整理电脑硬盘，发现躺在某个角落里的汉籍全文检索系统，打开看了两眼，忽然想到，如今有了AI，能否借助于它来分析一下这个软件是怎么运行的。几年前下载到这个软件时，便想着能不能把里面的书籍都导出来。当时研究了一番，发现一种方式可以实现，就是使用其打印成pdf的功能，先导出为pdf再转为html格式。不过就是需要一篇篇去导，即使使用按键精灵，也是比较麻烦，况且导出转为html后，又有烦人的断行问题，只得做罢。而如今AI强大，加上自己稍懂些程序语言，或许能从软件的二进制上分析出所以然来。虽然从现在来看，里面大部分书籍都有了比较好的版本，不过如果能导出来，也算是增加了个离线资料库，说不定什么时候用到呢。
首先打开简体检索版软件运行，在任务管理器中下看到软件名为“ftrRead MFC Application(32位）”，这个软件八成应该是用C++写的MFC桌面程序了。查其LIB目录，找文件夹下容量大的文件，看其有.AMG和.FTR两种，使用二进制查看器打开，.ftr文件字节首是“TIR_IDX”，应该是是索引文件，暂时不管。
打开第一个.amg文件，文件编码选定gb，嘿，开头可以看到几个汉字明文！看情况，就是书籍的章节名称、路径和书名。之后就是乱码，可能是章节内容？往下拉，发现不断重复着章节名称、路径和书名。而在第三个章节名称下，竟然显示着明文字符串，没有夹杂一个乱码。看格式，像是rtf之类的东西，复制前面一小段问AI，确认就是rtf格式的字符串。把这段字符串完整地复制出来，粘贴到纯文本里，保存为.rtf格式，使用word顺利打开！然后想到，这个软件名“ftr”就是rtf倒过来念的。
继续浏览amg文件，发现有些是rtf格式的字符串，有些是乱码，尤其是在内容很长的时候，而每段乱码都跟在txt字符后面，都以“=”开头，头几个字节也都相同，可能就是标准的rtf字符串用什么方法转码了。
继续分析下去没有结果，转去查看主目录下的文件，有个Ftrquery.dll，从名字看，既然是查询rtf用的，那想必解析那乱码的东西就在里面。使用ida工具打开，ida我也是第一次用，摸索着在Export窗口看到导出的函数列表，找最可疑的几个：FTR_Parser…，一个个打断点，然后在主程序中打开书籍浏览，断点竟然都不触发！因为这几个函数实现太过迷惑，在我折腾了几天后才想到，难道解析的函数不在这个dll里？那就直接调试Guji2_2TMP.exe试试吧。
使用ida打开主程序，导出为汇编文本文件，直接扔给Grok让其分析，可惜文件太大了，Grok只能阅读前面一些内容，无法整体解读。关于汇编，我是一点儿都不懂，我只是从入口开始，不断地在可疑的片断处打断点调试，一旦触发，就把这个汇编片断复制下来让Grok解读。经过持续、反复地折腾，最终找到了乱码解码的几个核心函数。让Grok重点分析这几个函数，最终确认了本软件对于文本的处理是采用了LZW算法（https://zh.wikipedia.org/wiki/LZW）, 根据Grok的回答，处理流程大致如下：
1. 读取变长码：从输入字节流中按当前码长（code length）读取 LZW 码，通常通过位操作实现。
2. 字典管理：维护一个动态字典（通常是数组或表），存储前缀码和字符的映射。汇编中通常使用固定大小的表（如你的 table_18h 和 table_1Ch）。
3. 码处理：如果码小于当前字典大小（next_code），从字典中提取对应的字节序列。
如果码等于 next_code（KwKwK 情况），构造新序列（前一个条目 + 其首字符）。
如果码大于 next_code，说明码无效，解码失败。
4. 特殊码处理：Clear Code（通常为 0x100）重置字典和码长。
End of Information (EOI, 通常为 0x101）表示数据结束。
5. 码长调整：当字典接近满时，增加码长以支持更多码值。
根据这些逻辑，让Grok写了python来实现对文本的解码算法。加上文件的存取过程，经过无数次debug，这个python代码在处理章节字数较少时能正常解码，可一旦章节数据过多，就会出现LZW码过大而解码失败的bug。问了Grok、Gemini和Cloud Sonet，都给不出一个完全的解决办法。问题可能出在码长更新或字典重置上，但是我对LZW算法理解不透，所以也不知怎么解决。目前在代码中，我把字典表容量设大值、最奇怪的是修改了一处码长增加的逻辑后，解码失败的几率大为降低，可以正常解码绝大部分文件了。
解码后的文件，可以直接用word打开浏览，如果有后续，可以考虑转成html格式：
不过，对于章节内容太多而无法解码的，有个办法可以手动复制，因为我在ida中找到了处理解码后的数据的汇编，只要在此处打断点，程序停下后，就可以跳转到解码后的字符串地方，把这个长字符串选中并保存后就是解码后的一个完整的rtf文件了！
更新：还好，最终只有12个文件无法解码成功，2个是因为文本太多，其他是遇到无效码。这几个手动查询后直接在复制后即可使用。目前所有文本都提取完毕并转为了html格式。代码的bug也没必要改了。