类文件结构

类文件结构

代码编译的结果从本机机器码转变为字节码，是存储格式发展的一小步，支是编程语言的一大步。

1. 概述

原来，程序需要编译成二进制本地机器码。类似C语言。

之后，大量的语言可以建立在虚拟机上，这样可以将我们的程序编译成与操作系统和机器指令集无关的、平台中立格式作为程序编译后的存储格式。

2. 无关性的基石

如果计算机的CPU指令集只有x86一种，操作系统也只有Windows一种，那也许Java语言就不会出现。

Java在诞生之初，宣传口号是“一次编写，到处运行”，这句话充分表达了开发人员对冲破平台界限的渴求。

各种不同的硬件体系结构和不同的操作系统肯定会长期并存发展。

“与平台无关”的理想最终实现在操作系统的应用层上，Sun公司以及其他虚拟机提供商发布了许多可以运行在不同平台上的虚拟机，这些虚拟机都可以载入和执行同一平台无关的字节码，从而实现了程序的“一次编写，到处运行”。

用虚拟机来屏蔽底层操作系统的不同性。让同一程序在不同虚拟机上都能直接运行，也就实现了在不同平台上的直接运行。

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（ByteCode）是构成平台无关性的基石。

商业机构和开源机构已经在Java语言之外发展出一大批在Java虚拟机之上运行的语言，如Groovy、JRuby、Jython、Scala等。

或许，Java虚拟机在语言无关性上的优势会超越它在平台无关性上的优势。

实现语言无关性的基础仍然是虚拟机和字节码存储格式。

Java虚拟机不与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，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。

基于安全方面的考虑，Java虚拟机规范要求在Class

3. Class类文件的结构

Class文件是一组以8位字节为基础单件的二进制流，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是程序运行的必要数据，没有空隙存在。

需要占用8位字节以上空间数据时，会按照高位在前的方式存储。（大端模式：高位放在低地址）

根据Java虚拟机规范的规定，Class文件格式采用一种类似于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：

1. 无符号数
2. 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、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。

表是由多个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。

Class 文件格式

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
fields_info	fields	fields_count
u2	methods_count	1
method_info	methods	methods_count
u2	attributes_count	1
attributes_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，这时称这一系列连续的某一类型的数据为某一类型的集合。

例如，类里面的方法存储：

类型	名称	数量
u2	methods_count	1
method_info	methods	methods_count

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）,它的唯一作用是确定这个文件是否为一个能被虚拟机接受的Class文件。

很多文件存储标准中都使用魔数来进行身份识别，如图片格式。

Class 文件的魔数的获得很有“浪漫气息”，值为：0xCAFEBABE(咖啡宝贝)

紧接着魔数的4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）

Java版本号是从45开始的。

• JDK 1.7（51.0）
• JDK 1.8 (52.0)

2.常量池

紧接主次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；
• 它还是在Class文件中第一个出现的表类型数据项目；

常量池的容量计数是从1开始，而不是0开始。

常量池中主要存放两大类常量：

1. 字面量（Literal）
2. 符号引用（Symbolic References）

字面量比较接近于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。

符号引用则属于编译原理方面的概念，包括了下面三类常量：

1. 类和接口的全限定名（Fully Qualified Name）
2. 字段的名称和描述符（Descriptor）
3. 方法的名称和描述符

Java 代码在进行Javac编译的时候，并不像C语言那样有“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。

简单来说，就是在Class文件中不会保存各个方法、字段的最终内存布局信息，因此这些字段、方法的符号引用不经过运行期转换的话也无法得到真正的内存入口地址，也就无法直接被虚拟机使用。

当虚拟机运行时，需要从常量池获取对应的符号引用，再在类创建时或运行时解析、翻译到具体的内存地址之中。

常量池的项目类型

类型	标志(tag)	描述
CONSTANT_Utf8_info	1	UTF-8编码的字符串
CONSTANT_Integer_info	3	整型字面量
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	字段或方法的部分符号引用
CONSTANT_MethodHandle_info	15	表示方法句柄
CONSTANT_MethodType_info	16	标识方法类型
CONSTANT_InvokeDynamic_info	18	表示一个动态方法调用点

常量池是最烦琐的数据，是因为这14种常量类型各自均有自己的结构。

CONSTANT_Class_info 型常量的结构

类型	名称	数量
u1	tag	1
u2	name_index	1

• tag是标志位，用于区分常量类型
• name_index是一个索引值，它指向常量池中一个 CONSTANT_Utf8_info类型常量，此常量代表了这个类（或者接口）的全限定名。

CONSTANT_Utf8_info 型常量的结构

类型	名称	数量
u1	tag	1
u2	length	1
u1	bytes	length

• length 值说明了这个UTF-8 编码的字符串长度是多少字节，
• 紧跟着长度length字节的连续数据bytes是一个使用UTF-8 缩略编码表示的字符串。

由于Class 文件中方法、字段等都需要引用CONSTANT_Utf8_info型常量来描述名称，所以 CONSTANT_Utf8_info型常量的最大长度也就是Java中方法、字段名的最大长度。

而这里的最大长度就是length的最大值，即u2类型能表达的最大值 65535。 所以Java程序中如果定义了超过64KB英文字符的变量或方法名，将会无法编译。

可以看到上图中，有一些常量似乎从来没有在代码中出现过，“I”，“V”，“”，“LineNumberTable”，“LocalVariableTable”等，这些看起来在代码任何一处都没有出现过的常量是哪里来的呢？

这部分自动生成的变量的确没有在Java代码里面直接出现过，但它们会被后面即将讲到的字段表（field_info）、方法表（method_info）、属性表（attribute_info）引用到，它们会用来描述一些不方便使用“固定字节”进行表达的内容。

常量池中的14种常量项的结构总表

CONSTANT_Utf8_info

项目	类型	描述
tag	u1	值为1
length	u2	UTF-8编码的字符串占用的字节数
bytes	u1	长度为length的UTF-8编码的字符串

CONSTANT_Integer_info

项目	类型	描述
tag	u1	值为3
bytes	u4	按照高位在前存储的int值

CONSTANT_Float_info

项目	类型	描述
tag	u1	值为4
bytes	u4	按照高位在前存储的float值

CONSTANT_Long_info

项目	类型	描述
tag	u1	值为5
bytes	u8	按照高位在前存储的long值

CONSTANT_Double_info

项目	类型	描述
tag	u1	值为6
bytes	u8	按照高位在前存储的double值

CONSTANT_Class_info

项目	类型	描述
tag	u1	值为7
name_index	u2	指向全限定名常量项的索引

CONSTANT_String_info

项目	类型	描述
tag	u1	值为8
name_index	u2	指向字符串字面量的索引

CONSTANT_Fieldref_info

项目	类型	描述
tag	u1	值为9
class_index	u2	指向声明字段的类或者接口描述符CONSTANT_Class_info的索引项
name_and_type_index	u2	指向声明字段描述符CONSTANT_NameAndType_info的索引项

CONSTANT_Methodref_info

项目	类型	描述
tag	u1	值为10
class_index	u2	指向声明字段的类或者接口描述符CONSTANT_Class_info的索引
name_and_type_index	u2	指向声明字段描述符CONSTANT_NameAndType_info的索引

CONSTANT_InterfaceMethodref_info

项目	类型	描述
tag	u1	值为11
class_index	u2	指向声明字段的类或者接口描述符CONSTANT_Class_info的索引
name_and_type_index	u2	指向声明字段描述符CONSTANT_NameAndType_info的索引

CONSTANT_NameAndType_info

项目	类型	描述
tag	u1	值为12
name_index	u2	指向该字段或方法名称常量项的索引
descriptor_index	u2	指向该字段或方法描述符常量项的索引

CONSTANT_MethodHandle_info

项目	类型	描述
tag	u1	值为15
reference_kind	u1	值必须在1~9之间（包括1和9），它决定了方法句柄的类型。方法句柄类型的值表示方法句柄的字节码行为。
reference_index	u2	值必须是对常量池的有效索引

CONSTANT_MethodType_info

项目	类型	描述
tag	u1	值为16
descriptor_index	u2	值必须是对常量池的有效索引,常量池在该索引处的项必须是 CONSTANT_Utf8_info 结构，表示方法的描述符

CONSTANT_InvokeDynamic_info

项目	类型	描述
tag	u1	值为18
bootstrap_method_attr_index	u2	值必须在1~9之间（包括1和9），它决定了方法句柄的类型。方法句柄类型的值表示方法句柄的字节码行为。
name_and_type_index	u2	值必须是对常量池的有效索引,常量池在该索引处的项必须是 CONSTANT_NameAndType_info 结构，表示方法名和方法描述符。

3.访问标志

在常量池结束之后，紧接着2个字节代表访问标志（access_flags）,这个标志用于识别一些类或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；
• 是否被声明为final；

访问标志

标志名称	标志值	含义
ACC_PUBLIC	0x0001	是否为public类型
ACC_FINAL	0x0010	是否为final,只有类可设置
ACC_SUPER	0x0020	是否允许使用invokespecial字节码指令的新语意。
ACC_INTERFACE	0x0200	标识这是一个接口
ACC_ABSTRACT	0x0400	是否为abstract类型
ACC_SYNTHETIC	0x1000	标识这个类并非由用户代码产生的
ACC_ANNOTATION	0x2000	标识这是一个注解
ACC_ENUM	0x4000	标识这是一个枚举

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，而接口索引集合（interfaces）是一组u2类型的数据的集合，Class文件中由这三项数据来确定这个类的继承关系。

• this_class (类索引)
• super_class （父类索引）
• interfaces （接口索引集合）

5.字段表集合

字段表（field_info）用于描述接口或者类中声明的变量。

字段（field）包括类级变量以及实例变量，但不包括在方法内部声明的局部变量。

字段表结构

类型	名称	数量
u2	access_flags	1
u2	name_index	1
u2	attributes_count	1
u2	attributes	attributes_count

字段访问标志

标志名称	标志值	含义
ACC_PUBLIC	0x0001	字段是否 public
ACC_PRIVATE	0x0002	字段是否 private
ACC_PROTECTED	0x0004	字段是否 protected
ACC_STATIC	0x0008	字段是否 static
ACC_FINAL	0x0010	字段是否 final
ACC_VOLATILE	0x0040	字段是否volatile
ACC_TRANSIENT	0x0080	字段是否transient
ACC_SYNTHETIC	0x1000	字段是否由编译器自动产生的
ACC_ENUM	0x4000	字段是否enum

跟随access_flags标志的是两项索引值：

• name_index 字段简单名称
• descriptor_index 字段和方法的描述符

全限定名和简单名称指没有类型和参数修饰的方法或字段名称。

字段和方法的描述符的作用是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。

描述符标识字符含义

标志名称	含义
B	基本类型byte
C	基本类型char
D	基本类型double
F	基本类型float
I	基本类型int
J	基本类型long
S	基本类型short
Z	基本类型boolean
V	特殊类型void
L	对象类型，如Ljava/lang/Object
[	数组类型，如[[java/lang/String,[I

对于数组类型，每一维度将使用一个前置的”[“字符来描述。

• [[java/lang/String 表示 java.lang.String[][] 类型的二维数组。
• [I 表示 int[] 一个整型数组。

用描述符来描述方法时，按照先参数列表，后返回值的顺序描述，参数列表按照参数的严格顺序放在一组小括号“（）”之内。

• 方法 void inc()的描述符为 ()V
• 方法 java.lang.String toString() 的描述符为()Ljava/lang/String;
• 方法 int indexOf(char[]source,int sourceOffset,int sourceCount,char[] target,int targetOffset,int targetCount,int fromIndex)的描述符为([CII[CIII)I

6. 方法表集合

Class 文件存储格式中对方法的描述与对字段的描述几乎采用了完全一致的方法，方法表的结构如同字段表一样，依次包括了访问标志（access_flags）、名称索引（name_index）、描述符索引（descriptor_index）、属性表集合（attributes）几项。

方法表结构

类型	名称	数量
u2	access_flags	1
u2	name_index	1
u2	descriptor_index	1
u2	attributes_count	1
attributes_info	attributes	attributes_count

方法访问标志

标志名称	标志值	含义
ACC_PUBLIC	0x0001	方法是否 public
ACC_PRIVATE	0x0002	方法是否 private
ACC_PROTECTED	0x0004	方法是否 protected
ACC_STATIC	0x0008	方法是否 static
ACC_FINAL	0x0010	方法是否 final
ACC_SYNCHRONIZED	0x0020	方法是否 synchronized
ACC_BRIDGE	0x0040	方法是否是由编译器产生的桥接方法
ACC_VARARGS	0x0080	方法是否接受不定参数
ACC_NATIVE	0x0100	方法是否为native
ACC_ABSTRACT	0x0400	方法是否abstract
ACC_TRANSIENT	0x0800	方法是否strictfp
ACC_SYNTHETIC	0x1000	方法是否由编译器自动产生的

编译器自动添加的方法，最典型的便是：

1. 类构造器<clinit>
2. 实例构造器<init>

7.属性表集合

属性表（attribute_info）在前面的讲解之中已经出现过数次，在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。

虚拟机规范预定义的属性

属性名称	使用位置	含义
Code	方法表	Java代码编译成的字节码指令
ConstantValue	字段表	final关键字定义的常量值
Deprecated	类、方法表、字段表	被声明为deprecated的方法和字段
Exceptions	方法表	方法抛出的异常
EnclosingMethod	类文件	仅当一个类为局部类或者匿名类时才能拥有这个属性，这个属性用于标识这个类所在的外围方法
innerClasses	类文件	内部类列表
LineNumberTable	Code属性	Java源码的行号与字节码指令的对应关系
LocalVariableTable	Code属性	方法的局部变量描述
StackMapTable	Code属性	检查和处理目标方法的局部变量和操作数栈所需要的类型是否匹配
Signature	类、方法表、字段表	记录泛型中的相关信息
SourceFile	类文件	记录源文件名称
SourceDebugExtension	类文件	存储这个标准所新加入的调试信息
Synthetic	类、方法表、字段表	标识方法或字段为编译器自动生成的
LocalVariableTypeTable	类	描述泛型参数化类型
RuntimeVisibleAnnotations	类、方法表、字段表	指明哪些注解是运行时可见的
RuntimeInvisibleAnnotations	类、方法表、字段表	指明哪些注解是运行时不可见的
RuntimeVisibleParameter	方法表	方法参数上，指明哪些注解是运行时可见的
RuntimeInvisibleParameter	方法表	方法参数上，指明哪些注解是运行时不可见的
AnnotationDefault	方法表	记录注解类元素的默认值
BootstrapMethods	类文件	用于保存invokedynamic指令引用的引导方法限定符

属性表结构

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u1	info	attribute_length

Code属性表的结构

类型	名称	数量
u2	attribute_name_index	1
u4	attribute_length	1
u2	max_stack	1
u2	max_locals	1
u4	code_length	1
u1	code	code_length
u2	exception_table_length	1
exception_info	exception_table	exception_table_length
u2	attributes_count	1
attributes_info	attributes	attributes_count