java字节码文件结构解析

目录

魔数与版本

常量池

类、父类和接口索引集合

字段表集合

方法表集合

属性表集合

        Class文件(即字节码文件)以8位字节为基础单位的二进制流，各个数据项目严格按照顺序紧凑地排列， 中间没有分隔符，没有一个字节是多余的。文件格式是使用一种类似于C语言中的结构体来描述和存储数据的，其中包括无符号数和表。无符号数是一种采用u1、u2、u4和u8来分别表示1个字节、2个字节、4个字节和8个字节的数据类型，是方便用来表示字节的长度的一种类型。而表则是由多个无符号数或者其他表组合而成的复合类型，习惯以“_info”结尾，如常量表CONSTANT_utf8_info。数据存储的字节码顺序是采用大端法表示的，所谓大端法是最高有效字节在最前面，如0x1234,0x1地址在0x101，0x2地址在0x102，以此类推。

       辅助工具：jdk8、notepad++（HEX_Editor插件）、javap、bytecode-viewer。notepad++需要安装hex_editor插件，这是一个把二进制转化为十六进制的一个插件，bytecode-viewer是一个字节码解析工具，方便我们去验证解析结果正确与否。

       在一个字节码文件中，可能有多个属性表或者多个无符号数，所以在字节码里会先给出一个数量计数器，以表示接下来会有多少个类型，这样一系列连续的类型就组成了某一类的数据集合，而字节码就是由下图中的个种类型集合组成。

       为了方便讲述问题，我们采用的代码尽量简单，故采用以下代码作为demo

package org.javersoft.clazz;

public class TestClass {
	
	private int m;
	
	public int inc() {
		return m + 1;
	}

}

魔数与版本

       每个Class文件的头4个字节称为魔数，确定这个文件是否为一个能否被虚拟机接 受的Class文件，紧接着魔数的4个字节是Class文件的版本号，第5和第6个字节是次版本号，第7和 第8个字节是主版本号。如下图，编译后得到的class文件，有notepadd++打开，并用HEX_Editor插件转换。

       头4个字节是cafebabe，而接下来4个字节就是版本号，主版本号是0x0034，换做十进制就是52，也就是jdk8的主版本。

常量池

       常量池中主要存放两大类常量：字面量和符号引用。字面量可理解为java语言层面的常量概念，符号引用包括3类常量，类和接口的全限定名、字段的名称和描述符、方法的名称和描述符。每个常量都有自己的标志，如下图

       紧接着主次版本号之后的是常量池的入口，常量池可以理解为Class文件之中的资源仓库，先直观看看，这个class文件都有哪些常量

       常量池中常量的数量不固定，需在入口处放置一项u2类型的数据，以表示常量池容量计数值，从1开始，0空出来表示特殊情况，下面会有讲到，以表示“不需要引用任何一个常量池项目”。

       主次版本之后的一项u2类型的数据是0x0013，换做十进制是19，就表示接下来会有19个常量，下面会接着一个个讲，在讲之前需要先了解一下常量池中常用的结构类型是怎样的

       比如第一个CONSTANT_Utf8_info类型，用来描述字符串，第一项是tag，tag的作用是标识常量类型的，而1就表示CONSTANT_Utf8_info类型，占一个u1类型长度，即用1个字节来表示；第二项length用来表示后面字符串所占的长度，其本身所能表示的长度是u2，即2个字节所能表示的最大值；第三项就是长度为length的utf-8编码的字符串。后面的常量类型也是这样理解。且看第一个常量：

       第一个tag值为10,对应的是CONSTANT_Methodref_info常量，第一个u2类型字节是0x0004，表示的是索引值为4的常量，其指向java.lang.Object类描述符，第二个u2类型字节是0x00f，表示的是索引值为15的常量，其指向init()实例构造器的名称描述符，代码并没有init()方法，是编译器自动生成的，用javap命令查看得知。

       到此，第一个常量已经解析出来，接下来看第二个常量。

       第二个常量tag值为9，对应CONSTANT_Fieldref_info，第一个u2是0x0003，指向索引值为3，索引3是一个CONSTANT_Class_info类型，CONSTANT_Class_info的index又指向索引17，表示一个类的全限定名，即org.javersoft.clazz.TestClass； 第二个u2是0x0010，指向索引值为16,索引是6是一个CONSTANT_NameAndType_info常量，其第一个index指向索引5，表示指向字段m的名称常量项，第二个index索引指向6，表示指向字段描述符I，关于描述符后面再讲。

       到此，第二个常量也解析出来了，接下来看第三个常量。

       第三个常量tag值为7，表示CONSTANT_Class_info类型，后面0x0011指向索引17，索引17是一个CONSTANT_Utf8_info常量，表示TestClass类的全限定名。

       第四个常量跟第三个常量一样解析即可，接下来看第五个常量。

       这个字符串的length值是0x0001，也就是长1个字节，即“0x6d”，按utf-8编码，内容为“m”。Class文件中的方法、字段等都需要引用CONSTANTS_Utf8_info型常量来描述名称，从这里也看出，一个类的字段名和方法名长度不能超过0xFFFF个字节。到此5个常量已经解析出来了，后面的13个常量也是这样解析即可。我给每个常量划分了一下，如下图，就是说，18个常量，到0x74为止。

       访问标志，用两个字节代表访问标志，用于识别一些类或者接口层次的访问信息，包括：这个Class是类还是接口；是否定义为public类型；是否定义为abstract类型；如果是类的话，是否被声明为final等

       0x0021，即除了ACC_PUBLIC和ACC_SUPER为真，其余为假，表示这个类的修饰符是public

类、父类和接口索引集合

       类索引：u2类型，用于确定这个类的全限定名

       父类索引：u2类型，用于确定这个类的父类的全限定名（除java.lang.Object外，所有java类 都有父类索引都不为0）

       接口索引：一组u2类型的数据的集合，用于描述这个类实现了哪些接口，入口第一项（u2 类型）表示索引表的容量

       

       第一个0x0003，表示类索引，全限定名是索引17指向的常量；第二个0x0004，表示父类索引，全限定名是索引18指向的常量，即基类Object；第三个0x0000，索引为0，就是上面所说的，0的特殊情况，这里表示没有接口索引集合，也就没有实现任何接口。

字段表集合

       字段表用于描述接口或者类中声明的变量（包括类变量和实例变量，但不包括方法内部声明的局部变量），字段能描述的信息有字段的作用域（public、protected和private修饰符）、是实例变量还是类变量（static修饰符）、可变性（final）、并发可见性（volatile修饰符）、 可否被序列化（transient修饰符）、字段数据类型（基本类型、对象、数据）、字段名称，各个修饰符都是布尔值，字段数据类型和名称无法固定，因此只能引用常量池的常量来描述

       上图为字段表结构和字段访问标志，讲字段表之前，再了解一下描述符。描述符用于描述字段的数据类型、方法的参数列表（包括数量、类型和顺序）和返回值 基本类型和void类型都用一个大写字母来表示，对象用L加全限定名来表示。如下图

       数组表示：每一维度使用一个前置的“[”表示，如 “java.lang.String[][]” 记录为“[[Ljava/lang/String”; 一个整型数组 “int[]” 记录为 “[I”。

       方法表示：先参数列表后返回值，如void inc()记录为 “()V”，int indexOf(char[] source, int sourceOffset, int sourceCount,char[] target, int targetOffset, int targetCount,int fromIndex) 记录为“([CII[CIII)I”。

       根据字段表结构，上图画出了每项的含义，第一项fields_count，表示后面字段表的数量，此处值为1，表示接下来只有一个字段表。这个字段表的access_flags为2，表示private，name_index为5，指向索引5，即字段名称为 m，descitor_index为6，指向索引6的描述符为I，即Integer类型，最终的结果表示：private int m。在字节码里，只要两个字段的描述符不一致，就算重名也是合法的，这个编译器编译规则不一样。接下来的attributes_count为0，表示没有属性表。

方法表集合  

       方法表的描述与字段表的描述完全一致，结构也是一致。

       methods_count值为2，可以想象到一个是实例构造器init()，一个是inc()方法。根据字段表解析方法，就可以解析出这个方法是 public void inc()。

       疑问???

       方法的定义可以通过访问标志、名称索引、描述符索引表达清楚，但方法里面的 代码去哪里了？

       答案：方法里的java代码，经过编译器编译成字节码指令后，存放在方法属性表集合中一个名为“Code”的属性里

属性表集合

      接下来attributes_count值为1，表示当前方法有1个属性表。

      在Class文件、字段表、方法表都可以携带自己的属性表集合，用以描述某些场景专有的信息，对于每个属性，名称需要从常量池中引用一个CONSTANT_utf8_info类型的常量来表示，而属性值的结构则是完全自定义的，只需要通过一个u4的长度属性去说明属性值所占用的位数即可。

      Java虚拟机规范预定义了23种属性。

      继续上面的属性表，attribute_name_index值为0x0009，名称为Code，即Code属性表，Code属性表结构如下图

      java方法体中的代码经过javac编译器处理后，最终变成字节码指令存储在Code属性内， 接口和抽象类方法不存在Code属性，如果一个程序中的信息分为代码（Code，方法体内的java代码）和元数据（metadata, 包括类、字段、方法定义及其他信息）两部分，那么在Class文件中，Code属性用于描述代码，其他数据项目都用于描述元数据。

attribute_name_index: 指向CONSTANTS_utf8_info型常量型的索引，常量值固定为“Code”， 代表该属性的属性名称

attribute_length:表示属性值得长度，由于属性名称索引和属性长度一共占6个字节，那属 性值的长度固定为整个属性表长度减去6字节

max_stack: 操作数栈深度的最大值，方法执行的任意时刻，操作数栈都不会超过这个深度， 虚拟机运行时需根据这个值来分配栈帧中的操作栈深度

max_locals:局部变量表所需的存储空间，单位是Slot（虚拟机为局部变量分配内存所使用的最小单位），局部变量表中的Slot可以重用，当代码执行超出一个局部变量的作用域时，即被重用，javac编译器根据作用域来分配Slot给各个变量使用，然后计算出max_locals的大小

code_length:字节码长度 code:字节码指令的一系列字节流，一个指令是u1类型，范围为0x00~0xFF（0~255） exception_table_length:异常表长度

exceptin_table:异常表，这里的异常是指代码捕获的异常

attribute_name_index: 0x0009，指向Code                  

attribute_length:0x0000001d，十进制为29                  

max_stack: 0x0001

max_locals:0x0001

code_length:0x00000005

code:0x2ab70001b1，字节码指令

exception_table_length:0x0000，没有异常信息

指令码	操作码	操作数	描述（栈指操作数栈）
0x2a	aload_0		从局部变量0中装载引用类型值入栈
0xb7	invokespecial	0x00, 0x01	编译时方法绑定调用方法
0xb1	return;		void函数返回

 

      Code属性是最重要的一个属性，其他的属性也可以按照这样的思路继续解析

总结：

      本文参照规范大概解析字节码文件结构，字节码文件主要是由一系列表集合组成，只是每个集合有各自含义，在描述集合前总会有一个容器计数器来说明后面有多少个集合，以此划分。由字节码文件可知，所有类文件信息，都存储在常量池里，上面的所有描述，都是通过索引引用常量池常量。了解字节码结构，对了解类加载过程有一定的帮助。

 

参考文献

[1] 周志明.深入理解Java虚拟机.JVM高级特性与最佳实践：机械工业出版社，2018.

---