Java编译之Class文件结构

之前已经聊过了Java的运行体系，这期主要了解下编译产生的Class文件。

1．平台无关性

Java诞生时提出一个著名的口号“一次编写，到处运行（Write Once, Run Anywhere）”，而这一特性的实现基础就是字节码（Byte Code）。各种不同平台的Java虚拟机和统一的程序存储格式字节码，是Java平台无关性的基石。

Java中的各种语法、关键词、变量和运算符号等，最终都会被编译成多条字节码指令组合，因此字节码所能提供的能力要比Java强大很多。字节码一般存储在Class文件中，但并非一定，也可以通过其方式存储和获取。

Java虚拟机其实并不和Java程序语言绑定，而是和字节码文件（一般指Class文件）所关联。现在可以运行在Java虚拟机之上的除Java外的语言有很多，包括Kotlin、JRuby、Groovy、JPython、scala等。

2．Class文件结构

（1）概述

了解Class文件结构可能会比较枯燥，但这是虚拟机的重要基础之一，是深入了解虚拟机的必经之路。

一个Class文件对应一个类或者接口的定义，但类或者接口定义不一定必须定义在文件里（可网络传输或动态生成）。

Class文件以8个字节为基础单位的二进制流，各个数据项严格按照规定的长度和顺序紧凑地排列在文件中，中间没有任何分隔符。

Class文件中只有两种数据类型：“无符号数”和“表”。

无符号数：基本数据类型，以u1、u2、u4、u8代表1个字节、2个字节、4个字节、8个字节的无符号数，可用来描述数字、索引引用、数量值或者UTF-8编码的字符串。

表：复合数据类型，由多个无符号数或者其他表作为数据项构成。习惯性以_info作为结尾命名。用于描述有层次关系的复合结构数据。

Class文件也可以看作是一张表，它的数据项严格按照以下顺序构成。

 

（2）魔数和版本

使用WinHex打开一个class文件，再看下文件的内容吧。

 

前四个字节0xCAFEBABE（咖啡宝贝，这个标识颇有浪漫气息）就是class文件的魔数，唯一作用是识别文件是否可以被虚拟机接收。之所以没有通过扩展名标识，是出于安全考虑，因为扩展名容易被修改。

紧接着的5、6字节是次版本号，7、8字节是主版本号。如图中的7、8字节0x0034，换算成十进制是52，对应的JDK版本是JDK 8。

（3）常量池

版本号之后，紧接着就是常量池，常量池可以比作Class文件的资源仓库，是一个表类型数据项目，它和其他项目关联最多，通常也是占用空间最大的。

我们先从整体上了解下常量池的布局，如图所示：

常量池开始的两个字节，即class文件的第9、10个字节（目前还是固定位置，之后的都不固定了）代表常量池容量，容量字节之后依次存储了所有常量。

每个常量都是表结构，第一个字节都是tag，用来表示常量的类型，目前有17种类型（截至jdk13），随着jdk的升级常量类型也在不断增加。

参考上图，我们开放中常用到的类名，就是作为常量存储在class文件的常量池的，这个类名的常量的tag值为7，代表CONSTANT_Class_info类型。如图第三行可以看到，它的第一个字节代表了tag标识了类型，而之后并没有直接存储类的名称字符串，而是用两个字节存储了一个常量池的索引值。

这个索引值会指向一个CONSTANT_Utf8_info类型的字符串常量（如第二行所示），字符串常量存储了这个类的名称。Class文件正是通过这种互相引用的间接方式来存储常量的。

整体的了解常量池之后还需要掌握以下几个点：

①　常量池主要存放两大类常量

字面量，接近Java语言常量的概念，比如文本字符串、被声明为final的常量值等。

符号引用，属于编译原理方面的概念，包括：包、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、方法句柄和方法类型、动态调用点和动态常量等。

②　常量池的项目类型

每种常量类型的结构定义是不同的，需要深入了解的，可以查阅相关文档。

③　常量池的索引从1开始

常量池的索引是从1开始的，而不是我们习惯的0开始。这样做的目的在于，如果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，可以把索引值设置为0来表示。

④　方法名和字段名的最大长度

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，而CONSTANT_Utf8_info型常量的最大长度是u2类型的最大值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，即使规则和全部字符都是合法的，也会无法编译。

（4）访问标志

常量池之后用u2存储了访问标志（access_flags），用来表示这个Class是类还是接口，是否为public，是否为abstract等。

access_flags有两个字节16位，它是按照每bit位是1还是0来标志是否是某项类型的，然后通过各位或的方式进行组合标志。如某类的ACC_PUBLIC位和ACC_SUPER位为真，其它为假，那他的access_flags值为：0x0001|0x0020=0x0021。

（5）类索引、父类索引、接口索引

在访问标志之后，依次放置了类索引（u2）、父类索引（u2）和接口索引。

对于类索引和父类索引，它们均指向类型为CONSTANT_Class_info的类描述符常量，然后再间接找到定义在CONSTANT_Utf8_info类型的常量中的全限定名字符串。

对于接口索引，入口有一个u2类型的“接口计数器（interfaces_count）”，如果类没有任何接口，则此值为0，后面无任何字节占用，否则占用interfaces_count个u2来存储接口索引。

（6）字段表集合

类似的，紧随其后的是一个u2存储的字段长度fields_count，随后存储fields_count个字段表。

字段表的结构如下图所示，依次存储访问标志、字段名称索引、描述索引、属性表集合。

①　访问标志（access_flags）

和之前介绍的类的access_flags类似，用每位标志字段的不同类型，包括是否public、以及是否private、protected、static、final、volatile、transient、enum。

②　简单名称（name_index）

如字段

private int age;

它的简单名称就是指age。

③　描述符（desrptor_index）

对于类而言，类的简单名称就是类名如TestClass，而它的全限定名为“org/fenixsoft/clazz/TestClass”，把“.”改成“/”即可。

对于字段和方法来说，它们是通过描述符来表示的，而描述符的规则要相对复杂些。

首先描述符对基本数据类型进行了描述定义：

l 对于数组类型，每一维度将使用一个前置的“[”字符来描述；

l 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。

我们可以通过几个例子来理解描述符的规则：

void inc()的描述符：()V

int indexOf(char[]source，int sourceOffset，int sourceCount，char[]target，int targetOffset，int targetCount，int fromIndex)的描述符：“([CII[CIII)I”。

④　属性表集合（attribute_info）

字段表所包含的固定数据项目到descriptor_index为止就全部结束了，不过在descriptor_index之后跟随着一个属性表集合，用于存储一些额外的信息，字段表可以在属性表中附加描述零至多项的额外信息。如final类型的字段，会存储一个ConstantValue的属性，通过常量索引指向一个常量。

⑤　字段表集合中不会列出从父类或者父接口中继承而来的字段，但有可能出现原本Java代码之中不存在的字段，譬如在内部类中为了保持对外部类的访问性，编译器就会自动添加指向外部类实例的字段。

（7）方法表

方法表的结构如同字段表一样，依次包括访问标志（access_flags）、名称索引（name_index）、描述符索引（descriptor_index）、属性表集合（attributes）。

①　Java方法里的代码

Java的定义有访问标志、名称给索引、描述符索引表示，方法的内容存储在一个名字叫“Code”的属性里面。

②　方法重写

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。

编译器会自动添加方法，最常见的便是类构造器“<clinit>()”方法和实例构造器“<init>()”方法。

③　重载

《Java语言规范》规定了Java方法的特性签名只包括方法名称、参数顺序及参数类型，因此Java的重载方法不考虑返回类型的因素。而字节码的特征签名还包括方法返回值以及受查异常表，也就是说，对于字节码而言，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。

（8）属性表

截至Java SE 12版本，预定义的属性有29项，并且《Java虚拟机规范》允许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掉它不认识的属性。

属性的定义方式各不相同，如需深入理解，可以查阅相关文章。以下列出部分属性定义。