Objective-C二进制瘦身

先说结论：我写了个工具检测无用方法、无用类以及无用协议，只需要Mach-O文件，对Build Setting里的Strip Style无要求，Snake。

Objective-C是采用消息发送的方式来实现类方法的调用。消息发送使用“查表”的方式实现从方法名到方法实现的定位。因此在编译的时候编译器不能确知一个方法是否真的被调用，也就无法像C语言一样只编译使用到的方法。也因此造成了目标二进制里包含没有使用的类、没有使用的方法、以及没有使用的协议等。

为了实现消息发送，Objective-C的编译器会在编译的时候自动生成相关的结构体变量，来存储类的信息，这些信息也被称作ObjC元信息。

clang命令使用-rewrite-objc参数可以得到.m文件的CPP实现。比如使用 xcrun -sdk iphonesimulator clang -rewrite-objc -F /Applications/Xcode.app/Contents/Developer/Platforms/iPhoneOS.platform/Developer/SDKs/iPhoneOS.sdk/System/Library/Framework a.m
截取类A的定义，ObjC代码是：

@protocol AProtocol<NSObject>
- (void)aMeth;
@end

@interface A: NSObject<AProtocol>
@end

@implementation A
- (void)aMeth {
}
@end

rewrite之后的代码是：

extern "C" __declspec(dllexport) struct _class_t OBJC_CLASS_$_A __attribute__ ((used, section ("__DATA,__objc_data"))) = {
    0, // &OBJC_METACLASS_$_A,
    0, // &OBJC_CLASS_$_NSObject,
    0, // (void *)&_objc_empty_cache,
    0, // unused, was (void *)&_objc_empty_vtable,
    &_OBJC_CLASS_RO_$_A,
};
static struct _class_ro_t _OBJC_CLASS_RO_$_A __attribute__ ((used, section ("__DATA,__objc_const"))) = {
    0, sizeof(struct A_IMPL), sizeof(struct A_IMPL), 
    (unsigned int)0, 
    0, 
    "A",
    (const struct _method_list_t *)&_OBJC_$_INSTANCE_METHODS_A,
    (const struct _objc_protocol_list *)&_OBJC_CLASS_PROTOCOLS_$_A,
    0, 
    0, 
    0, 
};
static struct _class_t *L_OBJC_LABEL_CLASS_$ [1] __attribute__((used, section ("__DATA, __objc_classlist,regular,no_dead_strip")))= {
    &OBJC_CLASS_$_A,
};

CPP代码变量的声明处都出现了__attribute__((used, section("xx")))。这里section的意思是在Mach-O里对应名字的section，并把变量的内容放到该section下。

Mach-O是iOS/macOS平台下可执行二进制文件格式。Mach-O文件格式这里不详述了，可以参考MachOOverview和osx-abi-macho-file-format-reference。

以下内容特指64位Arch。

__objc_classlist

该section下存储的是指针，指针指向struct objc_class的内存，位于__objc_constsection下。这里存储了代码里所有的ObjC类。

__objc_classrefs, __objc_superrefs

该section下存储的是指针，指针指向struct objc_class的内存。这里存储了代码里使用到的ObjC类，也即是使用过消息发送方式调用过alloc或者new方法生成对象的类。不包含NSClassFromString()方式生成的对象的类。

__objc_selrefs

该section下存储的是指针，指针指向以\0结尾的字符串，字符串的内容是方法名。这里存储了被调用过的方法名。不包含NSSelectorFromString()返回的SEL。

__objc_protolist

该section下存储的是指针，指针指向struct protocol_t的内存。这里存储了代码里所有的protocol。

__objc_catlist

该section下存储的是指针，指针指向struct category_t的内存。这里存储了代码里所有的分类。

Binding Info

对于某些非零字段的值却是0，比如struct objc_class的isa字段。这种情况是引用了外部lib里的符号。外部符号记录在dyld_info_command下的binding info里。此部分的格式可以参考MachOView的处理。从Binding Info里得到地址到符号的对应关系。遇到非零字段为0的时候，去Bind Info里查找该内存地址对于的符号即可。

实现

一般的无用方法获取方式，是利用otool、nm等命令获取。这里直接读取Mach-O文件，解析出ObjC信息。
无用的方法 = __objc_classlist的 (instanceMethods - __objc_selrefs) + clasMethods - __objc_selrefs
无用的类 = __objc_classlist - ((__objc_classrefs+__objc_superrefs)+(__objc_classrefs+__objc_superrefs)的superclass)
无用的协议 = __objc_protolist - (__objc_classrefs+__objc_superrefs) 的protocol_list

配合使用Mach-O对应的Linkmap，可以获得方法的大小和方法、类、协议所属的library。可以生成json格式数据，以供进一步处理。
代码使用C++编写，文件读取使用mmap，处理一个460.6M大小的Mach-O文件和134.3M的linkmap文件只需要1.62秒。

Usage:
  snake [-scp] [-l path] mach-o ...

  -s, --selector     Unused selectors
  -c, --class        Unused classes
  -p, --protocol     Unused protocoles
  -l, --linkmap arg  Linkmap file, which has selector size, library name
  -j, --json         Output json format
      --help         Print help

具体实现移步Snake和SnakKit。