Dex文件解析

Dex文件结构

文件头

typedef struct {
    u1  magic[MAGIC_LENGTH];           /* includes version number */
    u4  checksum;           /* adler32 校验剩余长度的文件 */
    u1  signature[kSHA1DigestLen]; /* SHA-1 文件签名 */
    u4  fileSize;           /* length of entire file */
    u4  headerSize;         /* offset to start of next section */
    u4  endianTag;
    u4  linkSize;
    u4  linkOff;
    u4  mapOff;
    u4  stringIdsSize;   //字符串表大小 偏移
    u4  stringIdsOff;
    u4  typeIdsSize;    //类型表 大小偏移
    u4  typeIdsOff;
    u4  protoIdsSize;   //原型表 大小 偏移
    u4  protoIdsOff;
    u4  fieldIdsSize;   //字段表 大小 偏移
    u4  fieldIdsOff;
    u4  methodIdsSize;   //函数表 大小 偏移
    u4  methodIdsOff;
    u4  classDefsSize;  //类定义表 大小  偏移
    u4  classDefsOff;
    u4  dataSize;   //数据段 大小 偏移
    u4  dataOff;
}DexHeader;

DexHeader由于是定长结构 直接格式化就好

Leb128编码

每个LEB128由1到5个字节组成，所有字节组合到一起代表一个32位值。除了最后一个字节的最高标志位为0，

其它的为1.剩下的7位为有效负荷，第二个字节的7位接上。有符号LEB128的符号由最后字节的有效负荷最高位决定。

例如：0x7f80

01111111 10000000

按无符号leb128解析 0x3f80
按有符号leb128解析 -128 （注意先转补码）

具体解析算法在示例代码中

字符串表

字符串表包含了dex文件/代码中使用到的字符串

字符串表存放的是StringId，具体字符串值在数据段data中

typedef struct {
    u4 stringDataOff;      /* string_data_item 偏移 */
}DexStringId;

struct string_data_item {
    u2 uleb128; //字符串长度
    u1 str[1];  //字符串内容
}

string_data_item 起始2字节是uleb128编码，解码后可得到字符串的长度

类型表

typedef struct {
    u4  descriptorIdx;      /* 指向一个string_id的index */
}DexTypeId;

字段表

typedef struct {
    u2  classIdx;           /* index into typeIds list for defining class */
    u2  typeIdx;            /* index into typeIds for field type */
    u4  nameIdx;            /* index into stringIds for field name */
}DexFieldId;

Field描述的是一个类中的成员变量/静态变量

原型表

typedef struct {
    u4  shortyIdx;          /* index into stringIds for shorty descriptor */
    u4  returnTypeIdx;      /* index into typeIds list for return type */
    u4  parametersOff;      /* file offset to type_list for parameter types */
}DexProtoId;

Proto原型描述的是一个函数的返回类型 参数类型列表

由于参数可能是多个 parametersOff指向的是一个 type_list结构

typedef struct {
    u2  typeIdx;            /* index into typeIds */
}DexTypeItem;


typedef struct {
    u4  size;               /* #of entries in list */
    DexTypeItem list[1];    /* entries */
}DexTypeList;

如果parametersOff为0 表示该函数没有参数

函数表

typedef struct {
    u2  classIdx;           /* index into typeIds list for defining class */
    u2  protoIdx;           /* index into protoIds for method prototype */
    u4  nameIdx;            /* index into stringIds for method name */
}DexMethodId;

Method描述的是函数所在类 原型 名称

类数据

typedef struct{
    u4  classIdx;           /* index into typeIds for this class */
    u4  accessFlags;
    u4  superclassIdx;      /* index into typeIds for superclass */
    u4  interfacesOff;      /* file offset to DexTypeList */
    u4  sourceFileIdx;      /* index into stringIds for source file name */
    u4  annotationsOff;     /* file offset to annotations_directory_item */
    u4  classDataOff;       /* file offset to class_data_item */
    u4  staticValuesOff;    /* file offset to DexEncodedArray */
}DexClassDef;

superclassIdx 为0表示父类是 java/lang/Object

interfacesOff/annotationsOff/classDataOff/staticValuesOff 都由可能是0 表示类中没有该类型的数据，例如一个标记类 可能classDataOff就会为0 因为没有定义任何函数/字段

sourceFileIdx 可能会是一个无效的id

#define kDexNoIndex 0xffffffff          /* not a valid index value */

classDataOff 表示类数据的偏移 指向的是class_data结构

struct class_data{
    u4_uleb128 staticFieldsSize;
    u4_uleb128 instanceFieldsSize;
    u4_uleb128 directMethodsSize;
    u4_uleb128 virtualMethodsSize;
    
    DexField staticFields[staticFieldsSize];
    DexField instanceFields[instanceFieldsSize];
    DexMethod directMethods[directMethodsSize];
    DexMethod virtualMethods[virtualMethodsSize];
}

//encoded field
typedef struct {
    //origin type is uleb128
    u4 fieldIdx;    /* 指向一个字段表里的index */
    u4 accessFlags;
}DexField;


//encoded method
typedef struct{
    //origin type is uleb128
    u4 methodIdx;    /* 指向一个函数表里的index */
    u4 accessFlags;
    u4 codeOff;      /* DexCode 偏移*/
}DexMethod;

typedef struct {
    u2  registersSize;  //代码块内使用到的寄存器个数
    u2  insSize;  //入参字数
    u2  outsSize; //出参字数
    u2  triesSize;  //try_catch个数
    u4  debugInfoOff;       /* file offset to debug info stream */
    u4  insnsSize;          /*字节码数目*/
    u2  insns[1];   //字节码内容
    //下面的内容都是当 triesSize>0的时候才会出现
    //padding 使try-handler-table 和 字节码之间 四字节对齐
    /* followed by optional u2 padding */ 
    //try_cat处理表内容  这里实现的是class文件中的try-handler-table
    /* followed by try_item[triesSize] */
    /* followed by uleb128 handlersSize */
    /* followed by catch_handler_item[handlersSize] */
}DexCode;

dex字节码的翻译和class字节码翻译差不多，对着规范翻译就好

综述

android vm 采用dex字节码而不是class字节码的优势？

1. dex文件由多个class文件合并而来，把多个常量池合并到一个常量池，避免了常量冗余，有利于运行时的常量内存共享
2. 加载一个dex可以加载多个相互依赖的class，减少了文件io
3. arm cpu具有较多的通用寄存器，vm设计基于寄存器的执行流程，会加速函数的传参和执行

本文代码

DexParserDemo

参考文档

Bytecode for the Dalvik VM