Java Class文件结构

在了解Java class文件结构之前，我们思考一下如下几个问题：

1. Windows、Linux、Mac 三大平台上的可执行程序格式一样吗？如果不一样，那是什么原因导致的哪？
2. png、jpeg等格式的图片在上述三个平台上都能打开，原因是什么？
3. java文件被编译成class文件，结合Java语法，你觉得class文件中应该包含哪些信息哪？

---

一. 无关性的基石

Java实现了程序的“一次编写，到处运行”，不管在哪种操作平台上，虚拟机都可以载入和执行同一种字节码文件，这种字节码文件是与平台无关的。
各种不同平台的虚拟机与所有平台都统一使用的程序存储格式--字节码是构成平台无关性的基石。
对虚拟机而言，它是语言无关的，它并不和包括Java在内的任何语言绑定，它只与“class文件”这种特定的二进制文件格式相关联，class文件中包含了Java虚拟机指令集和符号表以及若干其他辅助信息。任一门功能性语言都可以表示为一个能被Java虚拟机所接受的有效的class文件，虚拟机并不关心class的来源是何种语言。

虚拟机提供的语言无关性

二. Class类文件的结构

class文件是一组以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在class文件之中，中间没有添加任何分隔符，这使得整个class文件中存储的内容几乎全部都是程序运行的必要数据，没有空隙存在。
根据Java虚拟机规范的规定，class文件格式采用一种类似C语言结构体的伪结构来存储数据，这种伪结构中只有两种数据类型：无符号数和表。
无符号数属于基本的数据类型，以u1、u2、u4、u8来分别代表1个字节、2个字节、4个字节和8个字节的无符号数，无符号数可以用来描述数字、索引引用、数量值以及按照UTF-8编码构成字符串值。
表是由无符号数或者其他表作为数据项构成的复合数据类型，所有表都习惯性地以“_info”结尾。表用于描述有层次关系的复合结构的数据，整个class文件本质上就是一张表，它的数据项如下图所示：

类型	名称	数量
u4	magic	1
u2	minor_version	1
u2	major_version	1
u2	constant_pool_count	1
cp_info	constant_pool	constant_pool_count - 1
u2	access_flags	1
u2	this_class	1
u2	super_class	1
u2	interfaces_count	1
u2	interfaces	interfaces_count
u2	fields_count	1
field_info	fields	fields_count
u2	methods_count	1
method_info	methods	methods_count
u2	attributes_count	1
attribute_info	attributes	attributes_count

无论是无符号数还是表，当需要描述同一类型但数量不定的多个数据时，经常会使用一个前置的容量计数器加若干个连续的数据项的形式，这一系列连续的某一类型的数据被称为某一类型的集合。

1. 魔数与class文件的版本

每个class文件的头4个字节称为魔数（Magic Number），它的唯一作用就是确定这个文件是否为一个能被虚拟机接受的class文件，也即是用来确定文件格式，同jpeg、gif等文件格式一样。实际上，很多文件都用Magic Number来标识文件格式。
Magic Number后的4个字节存储的是class文件的版本号：5~6字节是次版本号，7～8字节是主版本号。

2. 常量池

常量池是class文件的“资源仓库”，是class文件结构中与其他项目关联最多的数据类型，也是占用class文件空间最大的数据项目之一。
常量池中常量的数量是不固定的，所以在常量池入口需要放置一项u2类型的数据，代表常量池容量计数值(constant_pool_count)。

3. 访问标志

访问标志（access_flags）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，是类的话是否被声明为final等。
access_flags中一共有16个标志位可以使用，当前只定义了其中8个，没有使用到的标志位一律为0。

4. 类索引、父类索引、接口索引集合

类索引（this_class）和父类索引（super_class）都是一个u2类型的数据。
接口索引集合（interfaces）是一组u2类型数据的集合。

class文件中由这三项数据来确定这个类的继承关系。类索引用于确定这个类的全限定名，父类索引用于确定这个类的父类的全限定名。Java语言不允许多重继承，所以父类索引只有1个。接口索引集合用来描述这个类实现了哪些接口，这些被实现的接口将按implements语句（如果这个类本身是一个接口，则应当是extends语句）后的接口顺序从左到右排列在接口索引集合中。

类索引和父类索引用两个u2类型的索引值表示，它们各自指向一个类型为CONSTANT_Class_info的类描述符常量，通过CONSTANT_Class_info类型的常量中的索引值可以找到定义在CONSTANT_Utf8_info类型的常量中的全限定名字符串。

对于接口索引集合，入口的第一项--u2类型的数据为接口计数器（interfaces_count），表示索引表的容量。如果该类没有实现任何接口，则该计数器值为0，后面接口的索引表不再占用任何字节。

5. 字段表集合

字段表用于描述接口或类中声明的变量。字段表包含的信息有：

• 字段的作用域（public、private、protected）
• 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）
• 可否被实例化（transient修饰符）
• 字段数据类型（基本类型、对象、数组）
• 字段名称

上述信息中，各个修饰符都是布尔值，要么有某个修饰符，要么没有，适合使用标志位来表示。
字段名称、字段数据类型是无法固定的，只能引用常量池中的常量来描述。

字段表

6. 方法表集合

方法表的内容同字段表的内容一样，它们不同的地方在于访问标志和属性表集合的可选项。比如：volatile和transient关键字不能修饰方法，所以方法表的访问标志中就没有ACC_VOLATILE和ACC_TRANSIENT标志；synchronized、native、strictfp和abstract关键字可以修饰方法，所以方法表的访问标志中增加了ACC_SYNCHRONIZED、ACC_NATIVE、ACC_STRICTFP和ACC_ABSTRACT标志。
方法的定义通过访问标志、名称索引、描述符索引表表达，而方法里的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”的属性里面。

方法表

7. 属性表集合

在Class文件、字段表、方法表中都可以携带自己的属性表（attribute_info）集合，用来描述某些场景专有的信息。
与Class文件中其他的数据项目要求严格的顺序、长度和内容不同，属性表集合的限制稍微宽松一些，不再要求各个属性表具有严格顺序，并且只要不与已有属性名重复，任何人实现的编译器都可以向属性表中写入自己定义的属性信息，Java虚拟机运行时会忽略它不认识的属性。Java SE 7中预定义了21项属性，每种属性都有自己的表结构。