最近，我再次尝试在Linux和Windows上编写除了操作系统本身之外没有aruntime的软件。另一种看待它的方式是：我在应用程序中编写并嵌入一个定制的、最低限度的运行时。运行时的核心任务之一是从操作系统中检索命令行参数。在窗户上，这是一个比我想象的更深的兔子洞，比我想象的要复杂得多。没有标准，每个运行时都有一些不同。五个不同的应用程序可能会从同一个输入中看到五组不同的参数，甚至是不同的参数计数，这是在任何形式的选项解析之前。这真的是一座现代的贝尔大厦：“混淆他们的命令行解析，他们可能不理解别人的论点。”
类Unix系统将argv数组直接从父级传递到子级。OnLinux它实际上是复制到孩子的堆栈上，就在条目上的堆栈指针上方。运行时只需将堆栈指针地址增加一个字节，并将其称为argv。下面是一个最简单的x86-64 Linux运行时injust 6指令（22字节）：
_开始：移动电子数据交换[rsp]；argc-lea-rsi[rsp+8]；argv呼叫主mov edi，eax mov eax，60；退出系统调用
_开始：ldr w0，[sp]；argc加x1，sp，8；argv bl main mov w8，93；系统退出svc 0
在Windows上，argv以序列化形式作为字符串传递。这就是MS DOS的做法（通过程序段前缀），因为CP/M就是这样做的。当进程主要由人类直接启动时，它就更有意义了：字符串实际上是由人类操作符键入的，毕竟必须有人对其进行解析。如今，进程几乎总是由其他程序启动的，但尽管如此，仍必须将参数数组序列化为字符串，就像是人工输入的一样。
Windows本身提供了一个用于解析命令行字符串的操作系统例程：CommandLineToArgvW。使用GetCommandLineW获取命令行Strings，并将其传递给此函数，您就有了argc和argv。再加上也许可以免费清理。它只以“宽”形式提供，所以如果你想在UTF-8中工作，你还需要宽图表多字节。它大约是20行C而不是6行组件，但也不算太糟。
GetCommandLineW将指针返回到静态存储中，这就是它不需要被释放的原因。更具体地说，它来自ProcessEnvironment块。这让我思考：我能在没有API调用的情况下自己定位这个地址吗？首先我需要找到皮布。经过一些研究，我在线程信息块中发现了一个PEB指针，它本身是通过gs寄存器（x64，x86上的fs）找到的，这是一个旧的386段寄存器。PEB中隐藏着一个UNICODE_字符串，带有命令行字符串地址。我计算了x86和x64的所有偏移量，整个过程只有三条指令：
（3）如果（4）有人在（和#；34；mov%%%%gs：（0x60，，%0\n和（34）0\n和（34）0；mov%%：（0x60，，，%0\0\n；mov%%：（0x60，，%0\n和（34）n和（34）34；34；34；mov 0x20（0，，，，，%0\0\n\n和（34；34；34；34；34；34；0；0；0；0；0；0；0；0；0；0；0；0；0；0；0；0；0；3；0；0；0；0；0；0；0；0；0；0；0；0；0；3；0；0；0；0；3；0；3；3；0；3；3；3；34；34；34；34；3；和\35；34；34；34；34；34；和；%0\n"；"；mov 0x10（%0），%0\n"；"；mov 0x44（%0），%0\n"；："；=r"；（cmd））#endif return cmd；}
从Windows XP到Windows 11，这将返回与GetCommandLineW完全相同的地址。除了陈雷蒙（Raymond Chen）之外，没有什么理由这么做，但它仍然很整洁，可能还有一些超级尼切（nicheuse）。从技术上讲，这些偏移量中的一些是未记录的和/或可能发生变化的，除了微软自己的静态链接CRT还硬编码所有这些偏移量。很容易找到：反汇编任何静态链接的程序，查找gs寄存器，也可以使用这些偏移量找到它。
如果你仔细观察UNICODE_字符串，你会发现长度是以字节为单位的USHORT给出的，尽管它是一个16位的wchar_字符串。这是Windows命令行最大长度32767个字符（包括终止符）的来源。
GetCommandLineW来自内核32。dll，但CommandLineToArgvW在shell32中有点与众不同。dll。如果你不想和shell32联系。不管出于什么原因，您都需要自己执行命令行解析。许多运行时，包括微软自己的CRT，都不调用命令行，而是自己进行解析。它比我预想的更混乱，当我开始深入研究它时，我没想到它会进行几天的研究。
GetCommandLineW有一个粗略的解释：在空白处拆分参数（未定义），涉及引用，还有一些关于倒斜杠计数的内容，但前提是它们在引用处停止。仅仅实现自己的文档是不够的，如果你用它进行测试，很快就会发现这个文档充其量是不完整的。它将链接到一个关于如何解析C++命令行参数的弃权页面。不幸的是，本页描述的算法不是GetCommandLineW使用的算法，也不是我能找到的任何运行时使用的算法。Iteven因微软自己的CRT而异。没有规范的命令行解析结果，甚至没有事实上的标准。
我最终看到了David Deley的《如何解析命令行参数》（How Command Line Parameters Ares Parsed），这是关于这个问题的最接近权威文档（也是）。不幸的是，它关注的是运行时，而不是ArgVw的命令行，因此其中一些细节没有被捕获。特别是，第一个参数（即argv[0]）遵循完全不同的规则，这让我一时困惑。葡萄酒文档对ArgVW的命令行尤其有用。据我所知，他们已经完美地实现了它，一个错误一个错误地匹配它。
在找到这些之前，我开始构建自己的实现，现在我相信它与CommandLine和ArgVW相匹配。这些其他文件帮助我找出我遗漏了什么。以我通常的方式，它是一个小小的状态机：cmdline。c、 界面：
与其他机型不同，我的机型直接编码到WTF-8，这是一个UTF-8的超集，可以往返于格式不正确的UTF-16。WTF-8部分是代码的反面：不可见，因为它不涉及对格式错误的输入做出反应。如果使用新的ish UTF-8 manifest Win32功能，则程序无法处理格式错误的UTF-16命令行字符串，WTF-8解决了这个问题。
如文件所述，argv必须是一个特定的大小——一个指针对齐的224kB（x64）或160kB（x86）缓冲区——这涵盖了绝对最坏的情况。当命令行被限制为32766个UTF-16字符时，这并不太糟糕。最坏情况下的参数是一个3字节的长序列。4字节UTF-8需要2个UTF-16代码点，因此只能有相同数量的UTF-8。最糟糕的情况是argc是16383（加上一个argv slotf作为空指针终止符），这是每对命令行字符的一个参数。argv的后半部分（大致）实际上用作参数的字符缓冲区，因此它是一个单一的固定分配。没有错误案例，因为它不会失败。
另外：请注意我的源代码中的FUZZ选项。它经过了相当彻底的模糊测试。它什么也没发现，但它确实让我对结果更有信心。
我还查看了一些语言运行时，看看其他语言如何处理它。正如所料，Mingw-w64具有旧的（2008年之前）MicrosoftCRT的性能。同样，CPython隐式地执行底层Cruntime所做的任何操作，因此其确切的命令行行为取决于使用哪个版本的Visual Studio来构建Python二进制文件。OpenJD和Rust（LLVM）都实用主义地将命令行称为argvw。Go（gc）自己进行解析，其行为在CommandLineToArgVWw和一些微软的CRT之间混合，但两者都不太匹配。
我一直很困惑，为什么对argvw来说，commandlines没有互补的反义词。当生成带有任意参数的进程时，每个人都需要在指定的非平凡命令行格式下实现与此相反的操作，以序列化argv。希望接收器能兼容地解析它！没有人会求助于系统程序来提供帮助。这导致了大量的重复工作：它不局限于高级运行时，而是几乎所有可扩展的应用程序（本身类似于运行时）。幸运的是，序列化并不像Asposing那么复杂，因为如果以一种前瞻性的方式进行，许多边缘案例根本不会出现。
与之前一样，它接受WTF-8 argv，这意味着它可以正确地传递格式错误的UTF-16参数。它返回实际的命令行长度。因为当argv太大时，这个函数可能会失败，所以它会返回szero以获取一个错误。
char*argv[]={"；python.exe"；，"；-c"；，代码，0}；wchar_t cmd[CMDLINE_cmd_MAX]；如果（！cmdline_from_argv8（cmd，cmdline_cmd_MAX，argv））{return"；argv过大"；}如果（！CreateProcessW（0，cmd，/*…*/）{return"；CreateProcessW failed"；；}
陈旧的Emacs实现是用C语言编写的，而不是用Lisp语言编写的，它沉浸在历史的长河中，有着残存的错误转折。Emacs仍然只调用“狭窄的”CreateProcessA，尽管它对dootherwise有各种启示，但它使用了错误的编码。头痛的根源。
CPython通过子流程使用Python而不是C。list2cmdline。虽然没有文档记录，但它可以在任何平台上访问，并且很容易对各种输入进行测试。试试看！
OpenJDK乐观地优化了80字节以下的命令行字符串，并且像Emacs一样，显示了长期使用的耐候性。
我不打算在短期内编写语言实现，因为可能需要这样做，但很高兴知道我已经为自己解决了这个问题！
你对这篇文章有何评论？通过向~skeeto/public发送电子邮件，在我的公共收件箱中开始讨论[email protected][邮件列表礼仪]，或查看现有讨论。