类文件结构（笔记）

随着虚拟机的流行，越来越多的语言选择了与操作系统和机器指令集无关的、平台中立的格式作为程序编译后的存储格式。而不是直接把程序翻译成二进制本地机器码。

一、无关性——“Write Once,Run Anywhere”

A、平台无关性

sun等公司发布了许多可以运行在不同操作系统上的虚拟机，这些虚拟机都可以载入和执行同一种平台无关的字节码，从而实现了程序的“一次编写，到处运行”。（统一规范）

构成平台无关性的基石——字节码（ByteCode）。各种不同平台的虚拟机与所有平台都统一使用这一程序存储格式。

B、语言无关性

Java虚拟机不只可以执行Java程序，也可以执行其它语言的程序。（如JRuby、Jython等等）。

构成语言无关性的基础——虚拟机和字节码存储格式。Java虚拟机不和包括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所关联，也就是不管什么编程语言，只要它的编译器能够把程序代码编程成Class文件的格式（符合相应的格式规范），那它就可以运行在Java虚拟机上。

有一些Java语言本身无法有效支持的语言特性不代表字节码本身无法有效支持，这也为其他语言实现一些有别于Java的语言特性提供了基础。

二、Class类文件的结构

注意：任何一个Class文件都对应着唯一一个类或接口的定义信息，但反过来说，类或接口并不一定都得定义在文件里（譬如类或接口也可以通过类加载器直接生成）。本章中，笔者只是通俗地将任意一个有效的类或接口所应当满足的格式称为“Class文件格式”，实际上它并不一定以磁盘文件的形式存在。

Class文件作用：保存着唯一一个类或接口的定义信息

Class文件格式：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地排列在Class文件中，中间没有添加分隔符。当遇到需要占用8位字节以上空间的数据项时，则会按照高位在前的方式分割成若干个8位字节进行存储。

Class文件存储数据的格式：采用类似于C语言结构体的伪结构，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和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、数量值或者按照UTF-8编码构成字符串值。

表：由多个无符号数或者其他表作为数据项构成的符合数据类型，所有的表都习惯性地以“_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。

共同点：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，这时称这一系列连续的某一类型的数据为某一类型的集合。

Class文件格式如下表

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	attribute_count	1
attribute_info	attributes	attributes_count

Class文件由于没有任何的分隔符号，所以在上表中的数据项，无论是顺序还是数量，甚至于数据存储的字节序（大端存储）这样的细节都是被严格规定的，不允许改变。

1、魔数与Class文件的版本

魔数（Magic Number）：位于Class文件的头四个节点，唯一作用是确定这个文件是否为一个能被虚拟机接收的Class文件。很多文件存储标准中都使用魔数来进身份识别，譬如图片格式。文件格式的制定者可以自由地选择魔数（只要这个魔数值还没有被广泛采用过同时又不会引起混淆即可）。Java的魔数是0xCAFEBABE（咖啡宝贝。。。）

紧接着魔数的四个字节存储的是Class文件的版本号：第5和第6个字节是次版本号（Minor Version），第7和第8个字节是主版本号（Major Version）高版本的JDK可以向下兼容低版本的Class文件，但不能运行以后版本的Class文件。

1.1.讲解代码

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

1.2.Java Class文件的十六进制结构

 

2、常量池

紧接着版本号之后的是常量池入口，常量池可以理解为Class文件之中的资源仓库。——它是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，同时它还是在Class文件中第一个出现的表类型数据项目。

常量池容量计数值（u2类型）+常量池内容

2.1.常量池容量计数值（u2类型）：不过这个计数容量是从1而不是0开始的，比如第一个常量就是#1，而不是#0。（把0空出来是为了满足后面某些指向常量池的索引值的数据在特定情况下需要表达“不引用任何一个常量池项目”的含义，这种情况就可以把索引值置为0来表示）。Class文件中只有常量池的容量计数是从1开始的，其它的都是0。

2.2.常量池内容：字面量（Literal）和符号引用（Symbolic Reference）

A、字面量：接近于java语言层面的常量概念，如文本字符串、声明为final的常量值等等。

B、符号引用：属于编译原理方面的概念，包括类和接口的全额限定名、字段（属性）的名称和描述符以及方法的名称和描述符。

Java代码在进行Javac编译的时候，并不想C++那样有“连接”这一步骤，而是在虚拟机加载Class文件的时候进行动态连接。也就是说在Class文件不会保存各个字段、方法的最终内存布局信息（数据所在的真正的地址），因此这些字段、方法的符号引用如果不经过运行期转换的话无法得到真正的内存入口地址。——Class文件存的是符号引用（间接引用），需要在类创建或运行时解析、翻译成直接引用（具体的内存地址）

2.3.常量池的项目

A、常量池每一项常量都是一个表，JDK1.7中共有11种表。表开始的第一位是一个u1类型的标志位，代表当前这个常量属于哪种常量类型。

类型	标志	描述
CONSTANT_utf8_info	1	UTF-8编码的字符串
CONSTANT_Integer_info	3	整形字面量
CONSTANT_Float_info	4	浮点型字面量
CONSTANT_Long_info	５	长整型字面量
CONSTANT_Double_info	６	双精度浮点型字面量
CONSTANT_Class_info	７	类或接口的符号引用
CONSTANT_String_info	８	字符串类型字面量
CONSTANT_Fieldref_info	９	字段的符号引用
CONSTANT_Methodref_info	１０	类中方法的符号引用
CONSTANT_InterfaceMethodref_info	１１	接口中方法的符号引用
CONSTANT_NameAndType_info	１２	字段或方法的符号引用
CONSTANT_MothodType_info	１６	标志方法类型
CONSTANT_MethodHandle_info	１５	表示方法句柄
CONSTANT_InvokeDynamic_info	１８	表示一个动态方法调用点

B、utf-8缩略编码和utf-8编码的区别：从'\u0001'到'\u007f'之间的字符（相当于1~127的ASCII码）的缩略编码使用一个字节表示，从'\u0080'到'\u07ff'之间的所有字节缩略编码用两个字节表示，从'\u0800'到'\uffff'之间的所有字符按照普通utf-8编码规则用三个字节表示。

C、利用javap -verbose TestClass.class来输出文件字节码的内容

3、访问标志

在常量池结束后，紧接着的两个字节代表访问标志，这个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。

4、类索引、父类索引与接口索引集合

类索引（this_class）和父类索引（super_class）都是一个u2类型的数据（不允许多重继承），而接口索引集合（interfaces）是一组u2类型的数据的集合（可以实现多个接口）。——作用：确定类的继承关系。所有的类都有且只有一个父类（Object类除外）。

类索引、父类索引和接口索引集合都按顺序排列在访问标志之后。它们各自指向一个类型为CONSTANT_Class_info的类描述符常量，通过CONATANT_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。

接口索引集合：入口第一项——接口计数器（u2类型的数据），表示索引表的容量。

我们来演示一下具体的索引过程：

javap -verbose 计算出来的常量池中的常量

十六进制Class文件

光标开始的地方就是类索引开始的地方，我们会发现父类索引值为0x0003，对应常量池中的常量#3=Class，但是这个信息只告诉我们这个常量是一个Class类型的常量，具体的名字它并没有直接告诉我们，而是指向了一个Utf8的常量，也就是#17。我们根据这个信息找到#17这个类型为Utf8的常量，发现它的值是TestClass。确实是这个类的类名。接着的父类索引为0x0004，对应常量池中的常量#4=java/lang/Object。接着就是接口的数量0x0000，说明接口数为0。总结：常量池中所有不是UTF8类型的常量，最后都要利用一个或者多个Utf8的常量来表示它的具体信息。

5、字段表集合

5.1.作用：用于描述接口或者类中声明的变量。

5.2.组成：类级变量（static修饰的属性）+实例级变量（没有static修饰的属性）。但不包括在方法内部声明的局部变量

5.3.字段包含的信息：字段的作用域（public）、是实例变量还是类变量（static）、可变性（final）、并发可见性（volatile）、可否被序列化（transient）、字段数据类型（基本类型、对象、数组）、字段名称。这些修饰符都是布尔值，很适合用标志位为来表示。（bit层级的，是为1，否为0）而字段名称则很难用标志位来表示，因为它的名字和数据类型都是无法固定的，只能引用常量池中的常量来描述。

5.4.字段表结构：

acess_flag：判断字段是public、private还是protected

name_index：字段的简单名称

descriptor_index：字段和方法的描述符

attribute_count：附加属性的个数

attribute_info：附加属性表（比如final static int m=123，那么这里面就可能会存在一项名称为ConstantValue的属性，其值指向常量123）

补充：“简单名称”、“描述符”和“全限定名”

全限定名："org/fenixsoft/clazz/TestClass"就是一个全限定名。包含类的绝对路径。仅仅把类全名中的“.”换成了“/”而已。一般后面会加一个“；”作为结束符

简单名称：没有类型和参数修饰的方法或者字段名称，比如这个类中的inc()方法的简单名称就是inc。

描述符：用来描述字段的数据类型、方法的参数列表（包括数量、类型以及顺序）和返回值。

A、基本数据类型（int等）以及代表无返回值的void类型都用一个大写字符来表示，而对象类型则用字符L加对象的全限定名来表示。

B、对于数组类型每一维度将使用一个前置的“[”字符来描述。比如“java.lang.String[][]”的描述符为“[[Ljava/lang/String”，一个“int[]”的描述符为“[I”。

C、描述方法：参数列表按照参数的严格顺序放在一组小括号“（）”之内。如方法void inc()的描述符为“()V”，

5.5.字段表访问标志

以bit位为基本标志单元。例如0x0001（对应着00000000 00000001），0x0002（对应着00000000 00000010），0x0004（对应着00000000 00000100）

6、方法表集合

6.1.描述方式：几乎和字段表完全一致，没有volatile和transient访问标志，但增加了synchronized、native、strictfp和abstract标志符。

6.2.方法：方法表中表示的仅仅是方法的定义，方法的代码经过编译器编译成字节指令后，存放在方法属性表集合中一个名为“code”的属性里面。

6.3.规则：与字段表集合相对应，如果父类方法在子类中没有被重写(Override)，方法表集合中就不会出现来自父类的方法信息。但同样地，有可能出现由编译器自动添加的方法，最典型的便是类构造器“<clinit>”方法和实例构造器“<init>”方法。

6.4.重载方法：要求：除了要与原方法具有相同的简单名称之外，还要求必须拥有一个与原方法不同的特征签名。（特征签名就是一个方法中各个参数在常量池中的字段符号引用的集合， 不包含返回值）。因此Java语言里面是无法仅仅依靠返回值的不同来对一个已有方法进行重载的。但是在Class文件格式中特征签名的范围更大一些，只要描述符不是完全一致的两个方法也可以共存。也就是说，如果两个方法有相同的名称和特征签名，但返回值不同，那么也是可以合法共存于同一个Class文件中的。

7、属性表集合

Class文件、字段表、方法表都可以携带自己的属性表集合，用于描述某些场景专有的信息。

属性表的格式较宽松：可以写入自定义的属性，但是Java虚拟机会忽略掉它不认识的属性。

如果把一个Java程序中的信息分为代码（code）和元数据（metadata），那么在整个Class文件中，Code属性用于描述代码，所有的其他数据项目都用于描述元数据。

7.1.Code属性

A、由来：Java程序方法体中的代码经过编译器处理后，最终变为字节码指令存储在Code属性内。

B、存储位置：Code属性出现在方法表的属性集合之中，但并非所有的方法表都存在这个属性，譬如接口或者抽象类中的方法就不存在Code属性。

Code属性表的结构

类型	名称	数量
u2	attribute_name_index（指向常量“Code”的索引）	1
u4	attribute_length（属性值的长度）	1
u2	max_stack（操作数栈的最大深度）	1
u2	max_locals（局部变量所需的存储空间，单位为Slot。存放方法参数（包括隐藏参数this）、显示异常处理器中的参数、方法体中定义的局部变量）	1
u4	code_length（字节码长度。理论上最大值可以达到2^32-1，但是虚拟机规范中明确限制了一个方法不允许超过65535条字节码指令，即它实际只使用了u2的长度，超过这个长度，虚拟机会拒绝编译。）	1
u1	code（用于存储字节码指令的一系列字节流）	code_length
u2	exception_table_length（异常表的长度）	1
exception_info	exception_table（异常表。这里的异常指的是代码段try{}catch{}finally{}）	exception_length
u2	attributes_count（附加属性的长度）	1
attribute_info	attributes（附加属性）	attributes_count

C、补充：

对于byte、char等长度不超过32位的数据类型，每个局部变量占用2个Slot，而double和long这两种64位的数据类型则需要两个Slot来存放。注意：并不是在方法中用到了多少个局部变量，就把这些局部变量所占Slot之和作为max_loads的值，原因是局部变量中的Slot可以重用。——当代码执行超出一个局部变量的作用域时，这个局部变量所占的Slot可以被其他局部变量所使用。

字节码指令中，每个指令就是一个u1类型的单字节，当虚拟机读取到code中的一个字节码时，就可以找出这个字节码代表的是什么指令，并且可以知道这条指令后面是否需要跟参数。（目前Java虚拟机规范已经定义了其中约200条编码值对应的指令含义）。

编译JSP文件时，如果把JSP文件中的内容和页面输出的信息归并于一个方法之中，就有可能因为字节码超长而导致编译失败。

在实例方法的局部变量表中至少会存在一个指向当前对象实例的局部变量，局部变量表中也会流出第一个Slot位来存放对象实例的引用，方法参数值从1开始计算。这个处理只对实例方法有效，如果把代码清单中的intc()方法声明为static，那Args_size就不会等于1而是等于0了。如下图

7.2.Exception属性

列举出方法中可能抛出的受查异常，也就是 throws关键字后面列举的异常。

7.3.LineNumberTable属性

用于描述Java源码行号和字节码行号间的对应关系

7.4.LocalVariableTable属性

用于描述栈帧中局部变量表中的变量与Java源码中定义的变量之间的关系。

7.5.SourceFile属性

用于记录生成这个Class文件的源码文件名称

7.6.ConstantValue属性

通知虚拟机自动为静态变量赋值。只有被static关键字修饰的变量才可以使用这个属性。

对于非static的变量（也就是实例变量）的赋值是在实例构造器<init>方法中进行的；对于static修饰的变量（也就是类变量），在类构造器<clinit>方法中或者使用ConstantValue属性。HotSpot中，对于同时使用final和static修饰的基本类型或者String变量，会生成ConstantValue来初始化它，否则将会选择在<clinit>方法中进行初始化。

7.7.InnerClasses属性

用于记录内部类和宿主类之间的关联。

7.8.Deprecated及Synthetic属性

Deprecated用于表示某个类、字段或者方法已经不推荐使用，可以通过在代码中加@Deprecated注解进行设置

Synthetic代表此字段或者方法并不是由Java源码产生的。所有由非用户代码产生的类、方法和字段都应当至少设置Synthetic属性和ACC_SYNTHETIC标志位中的一项，唯一的例外是实例构造器“<init>”方法和类构造器“<clinit>”方法。

7.9.StackMapTable属性

这个属性会在虚拟机类加载的字节码验证阶段被新类型检查验证器使用，目的在于替代以前比较消耗性能的基于数据流分析的类型推导验证器。

7.10.Signature属性

弥补泛型数据在运行期做反射时无法获取到泛型信息的缺陷。

7.11.BootstrapMethod属性

这个属性用于保存invokedynamic指令引用的引导方法限定符。

 

小总结

1.Class文件的组成结构图。其中每一个小长方形代表一个字节，灰蓝色和白色部分都是大小确切的存储块（有几个小长方形，就代表该部分占几个字节），而粉色部分则不是确切的存储块，它的具体大小取决于它前一个存储块中存储的具体数值。

此时再重新对照着来看TestClass.class这个十六进制文件，就会比较清晰了。

2.重新解析一下讲解代码转化为Class文件后的存储位置

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

博文内容来自《深入理解Java虚拟机》。