jadx反编译工具的使用

article/2025/10/14 22:17:50

目录

jadx工具介绍

jadx工具的安装

jadx工具的使用

jadx遇到的问题

jdk和jre的区别

jadx工具介绍

  • decompile Dalvik bytecode to java classes from APK, dex, aar, aab and zip files
  • 将Dalvik 字节码从APK,dex,aar,aab,zip文件里反编译为java类
  • decode AndroidManifest.xml and other resources from resources.arsc
  • 解码 AndroidManifest.xml 和其他资源文件从 resources.arsc

下载地址:

GitHub - skylot/jadx: Dex to Java decompiler

jadx工具的安装

JDK 11 or higher must be installed:

git clone https://github.com/skylot/jadx.git
cd jadx
./gradlew dist

(on Windows, use gradlew.bat instead of ./gradlew)

jadx工具的使用

通过gradlew.bat命令后,会生成exe执行程序,将aar或jar或者apk文件 移到exe即可

jadx遇到的问题

 This application requires a Java Runtime Environment 11(64-bit)

有一次,将本机的JDK版本从8改为了Android Studio里的jre11,发现jadx无法使用,提示错误:

 缘由是高版本的gradle(7.3.3)需要jdk11才能编译

开始,我以为之前用jdk8 生成的jadx.exe不能用于jdk11,于是我用Android Studio 的jre11想重新生成jadx.exe,又报了如下错

ERROR: JAVA_HOME is set to an invalid directory: F:\Android Studio

Please set the JAVA_HOME variable in your environment to match the
location of your Java installation.

 经过查找资料,这个错误提示的源码定位在gradlew.bat

 大概分析就是找不到JAVA_HOME/bin/java.exe

于是我回过头再去分析环境变量

当JAVA_HOME从C:\Program Files\Java\jdk1.8.0_281 改为F:\Android Studio\jre后

%JAVA_HOME%\bin\java.exe是可以找到的。

但是%JAVA_HOME%\jre\bin\java.exe在F:\Android Studio\jre是找不到的。

于是,我把%JAVA_HOME%\jre\bin这个删除掉,就可以正常gradlew.bat了,生成jadx.exe后。

再次反编译apk,验证成功。

jdk和jre的区别

jdk是java development kit 包含编译环境(javac)和运行环境(jvm)以及依赖包(jar),也就是jdk\bin\目录下包含 javac

而jre是java run environment 只有运行环境,最明显的区别是jre\bin\目录下是没有javac的

 


http://chatgpt.dhexx.cn/article/IQRrjC9t.shtml

相关文章

Android 反编译利器,jadx 的高级技巧

一、前言 今天介绍一个非常好用的反编译的工具 jadx(Java,Dex反编译器) 。jadx 的功能非常的强大,对我而言,基本上满足日常反编译需求。 jadx 优点: 图形化的界面。拖拽式的操作。反编译输出 Java 代码。导出 Gradle 工程。 这些优点都让…

app逆向(11)| jadx反编译工具的安装

文章目录 一、什么是jadx二、安装一、什么是jadx JADX是一款优秀的Android反编译工具,支持命令行和图形化界面,能为我们省下大量的反编译时间。 二、安装 前提首先需要安装java的jdkjadx的github地址:https://github.com/skylot/jadx 进入,下载压缩包。 解压压缩包后,…

jadx:好用的反编译工具

最近换了新公司,新公司比较高大上都是用的mac电脑开发Android,让我这个window党情何以堪, 任务:我的导师给了我们的一个开发的apk,他让我看打包混淆了没,我就翻一下我以前的工具,尼玛&#xff…

Android反编译——jadx工具

Android反编译工具——jadx 介绍反编译jar包反编译apk文件jadx下载jadx使用反编译文件搜索功能查看类、变量或者方法使用情况添加注释反混淆 本篇博文为转载原创作者公众号:JavaGuide 介绍 jadx 是一款功能强大的反编译工具,使用起来简单方便&#xff08…

决策树原理总结(ID3、C4.5、CART)+ 常见面试问题

系统梳理树类型算法原理加常见面试问题 类容按照决策树、Adaboost、GBDT、XGBoost、LightGBM 顺序进行梳理 本次的重点类容是决策树的CART树 ID3、C4.5介绍请转移到:ID3、C4.5的原理与案例介绍 1. CART树 ID3与C4.5虽然可以通过多叉树尽可能的挖掘特征信息&#…

机器学习之决策树算法

1-1 基本流程 决策树是一个有监督分类与回归算法。 决策树的生成只考虑局部最优,相对的,决策树剪枝则考虑全局最优。 一、概念: 决策树:是一种树形结构,其中每个内部节点表示一个属性上的判断,每个分支代表…

决策树挑出好西瓜

一、决策树 1、基本介绍 决策树(decision tree)是一种基本的分类与回归方法。其主要算法有:ID3、C4.5、CART。以及进化后的C4.5算法C5.0、分类有极大提升的Tsallis等算法。这些算法的区别就在于选择最优特征的方式。但C5.0的核心原理与C4.5…

1.决策树C4.5算法

文章目录 一、概述二、改进表现三、优缺点四、决策树1.特征选择2.决策树的生成3.决策树的剪枝 一、概述 C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习:给定一个数据集,其中的每一个元组都能用一组属性值来描述&#xff0c…

python实现三种经典决策树算法

决策树实现ID3、C4.5、CART算法 Author: 浅若清风cyfDate: 2020/12/15 一、创建数据集 手动 def createDataSet():"""创建测试的数据集:return:"""dataSet [# 1[青绿, 蜷缩, 浊响, 清晰, 凹陷, 硬滑, 好瓜],# 2[乌黑, 蜷缩, 沉闷, 清晰, 凹…

数据挖掘--决策树C4.5算法(例题)

C4.5算法与ID3算法的不同点: (1)分支指标采用增益比例 (2)数值属性的处理 (3)处理缺少属性值的训练样本 (4)使用K次迭代交叉验证,评估模型的优劣程度&#xf…

决策树算法总结(上:ID3,C4.5决策树)

文章目录 一、决策树原理1.1 决策树简介1.2 基本概念 二、数学知识2.1 信息熵2.2 条件熵:2.3 信息增益 三、ID3决策树3.1 特征选择3.2 算法思路3.3 算法不足 四、C4.5决策树算法4.1 处理连续特征4.2 C4.5决策树特征选取4.3 处理缺失值4.4 过拟合问题 五、决策树C4.5算法的不足 …

决策树分类算法的案例(代码实现及运行测试)

1 案例需求 我们的任务就是训练一个决策树分类器,输入身高和体重,分类器能给出这个人是胖子还是瘦子。 所用的训练数据如下,这个数据一共有10个样本,每个样本有2个属性,分别为身高和体重,第三列为类别标签…

决策树cart算法实战

1、使用决策树预测隐形眼镜类型,隐形眼镜数据集(lenses.csv)是非常著名的数据集,它包含很多患者眼部状况的观察 条件以及医生推荐的隐形眼镜类型。隐形眼镜类型包括硬材质、软材质以及不适合佩戴隐形眼镜。 要求:读取lenses.csv中的隐形眼镜数…

人工智能决策树大作业

人工智能技术: 机器学习之决策树大作业 以西瓜集 2.0 为建模数据,采用交叉验证方法进行数据训练集和验证集的划分,实现决策树 “预剪枝”算法,要求:尽可能充分利用有限的西瓜集 2.0 数据所提供信息,建立泛化能力强的 决策树模型。…

决策树算法:原理与python实现案例

文章目录 决策树算法浅析决策树的介绍决策树最佳划分的度量问题决策树python案例 决策树算法浅析 决策树的介绍 决策树的定义: 决策树是一种逼近离散值目标函数的方法,学习到的函数使用树结构进行表示,完成决策任务。这里决策树可以是分类树…

决策树实例-ID3

决策树-ID3实例 参考书籍: 《机器学习》周志华,第1版 《统计学习方法》李航,第2版 用来记录自己对书中知识的理解,加强自己的理解和记忆,同时提出自己迷惑不解的地方,提高自己编辑的表达能力。 代码参考博…

决策树算法及Python 代码示例

决策树是一种基于树形结构的算法,用于在一系列决策和结果之间建立模型。它通过对特征和目标变量之间的关系进行划分,来预测目标变量的值。 决策树算法示例: 假设我们有一组数据,其中包含天气,温度,湿度和是否出门的特…

决策树一CART算法(第四部分)

决策树一CART算法(第四部分) CART树的剪枝:算法步骤 输入:CART算法生成的决策树。 输出:最优决策树T 设 K 0 , T T 0 K0,TT_0 K0,TT0​ ,从完整的决策树出发 ​ k代表迭代次数,先…

决策树算法

决策树 决策树(Decision Tree)首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析,本质上是通过一系列规则对数据进行分类的过程 决策树是一种典型的分类方法。其中: 每个内部结点表示一个属性上的判断每个分支代表一个判断结果的输出每…