pycdc 上手指南：从 .pyc 还原 Python 源码
有一次，我需要弄明白一个陈年 .pyc 里到底藏着什么逻辑，源代码早丢了。这种时候，pycdc 就能派上用场。
pycdc 是用 C++ 开发的 Python 字节码反编译工具，支持 1.0 到 3.13 全系版本。它包含两个核心部分：pycdas 负责反汇编，输出字节码指令；pycdc 则直接生成 Python 源码。我用过几个同类的工具，pycdc 在版本兼容和还原精度上做得最扎实，虽然偶尔也会有点小毛病。
编译安装
用 CMake 构建，没什么特别的：
git clone <project_repo>
cd pycdc
cmake -DCMAKE_BUILD_TYPE=Release .
make -j$(nproc)
Release 模式足够日常使用，需要调试时换成 Debug。
基本用法
最常见的场景：源码丢了，只剩 .pyc。直接反编译：
./pycdc important_script.pyc
如果你只关心字节码长什么样，想看看解释器怎么处理指令的，用 pycdas：
./pycdas third_party_module.pyc
不同 Python 版本的字节码格式差异很大，pycdc 能自动识别，但出错时最好用 -v 明确指定版本：
# Python 2.7 老代码
./pycdc -v 2.7 legacy_code.pyc
# 3.11 引入的新字节码特性
./pycdc -v 3.11 modern_feature.pyc
一次处理多个文件
真要批量搞一堆 .pyc，一个 for 循环就够了：
#!/bin/bash
for file in *.pyc; do
echo "处理文件：$file"
./pycdc "$file" > "${file%.pyc}.py"
done
我习惯把输出重定向到文件，然后手动检查一遍——自动反编译偶尔会在代码间插入奇怪的空行，或者缩进不太对。
验证反编译效果
项目自带了测试脚本，可以用来检验反编译的准确性：
# 跑指定测试用例
python tests/run_tests.py --filter test_functions
# 多进程并行，快很多
python tests/run_tests.py -j 4
测试覆盖了表达式、控制流、异常处理等场景，自己修改源码后跑一遍测试很有用。
内部工作流程
pycdc 背后大致是三个步骤：字节码解析 → 构建抽象语法树（AST）→ 生成源代码。解析部分由 pyc_code.cpp 和 bytecode.cpp 处理，AST 的构建在 ASTree.cpp 里，最后输出可读代码。分层的好处是，适配新 Python 版本时，只要在 bytes 目录下加对应的解析模块，不用大改其他逻辑。
常遇到的坑
- 反编译结果不完整：这时不能只看反编译输出，得结合 pycdas 的指令流一起分析。操作码的定义全在 bytecode_ops.inl 里，遇到陌生的可以查一下。
- 版本识别错乱：直接
-v强制指定。bytes 目录下面能看到该版本是否有对应的实现。 - 复杂结构还原不理想：碰到闭包、生成器、装饰器嵌套很深的代码，还原后的样子可能不太自然。我的办法是先理解大致流程，再分块细看，别指望一次输出完美源码。
pycdc 目前已经支持到 Python 3.13，更新节奏还算快。用它不光能应急恢复源码，顺带也能加深对 Python 底层执行机制的感觉。
