一文理解Java-class字节码文件

Posted 2021-11-12 b1ackc4t

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了一文理解Java-class字节码文件相关的知识，希望对你有一定的参考价值。

前言

java语言在其刚诞生之际喊出的口号--"Write Once，Run Anywhere",正是基于字节码（byte code）而存在的，java能够做到平台无关性，得力于这样一款优秀的中间语言，字节码的描述能力比java更强，所以它当然还不止为java服务，它同样为运行于JVM的其他语言服务，以作为一款通用的，与平台无关的，交付给JVM执行的媒介

广义的class文件就是字节码，但字节码不仅仅是class文件，它作为一段二进制流，还可以以其他各种形式存在，如压缩包(jar)、网络流等等

Tips：理论上任何编程语言，只要能被编译成字节码，就可以交付给JVM去跨平台的运行

class文件的前世今生

java发展已经有了二十多个年头了，但class文件的格式几乎没有任何改变，为了代码的向后兼容性，少数的几次class文件格式更新也是在原本结构上进行增加功能，并不更改已经定义的功能

class文件的特点

二进制流

由于class文件不需要可读性，为了节省空间，内部的数据按照既定的顺序紧凑的排列在一起，没有任何无用数据（空格、分隔符），全部都是重要数据。

正是因为不像XML\\JSON等含分隔符，所以为了准确性，每个字节的含义、长度、顺序都是严格规定，不能改变

仅表示一个类

一个class文件表示一个类，如果一个java文件里写了多个类(包括内部类)，会被编译成多个class文件

仅含两种数据类型

无符号数。以u1、u2、u4、u8来分别代表1字节、2字节、4字节、8字节的无符号数，并且是高位在前，即高位存储在地址最低位，和x86等处理器恰恰相反。
表。其实就是由多个无符号数组合而成的复合类型，也可以含有表，即嵌套结构，整个Class文件也可以视作一个表

魔数与版本号

如同计算机里的其他文件一样，class文件也被授予了一个标准文件头部，用于判断是否是一个class文件

class文件头被称为“魔数”，是个u4的数据，值为0xCAFEBABE(咖啡宝贝)，呼应了java的logo图案。

Tips：来自于010Editor软件，可以很方便的查看class文件，并且会提示你每个位置二进制串的含义，如下：提示我括号里的4位是u4 magic

后面的四位分别是次版本号和主版本号，其中主版本号用的比较多，大家可以看书或上网查阅它与java版本的对应关系，如我是Java8，对应的大版本号就是十进制52，也就是0x34。高版本jdk能向下兼容老版本class文件，但会拒绝运行超过jdk版本的class文件

编译的时候可以通过javac参数自定义编译的版本，不过要符合版本的java特性，比如我写了个符合java6的代码，可以用jdk8来编译出java6的class文件

javac -source 1.6 -target 1.6 .\\Test.java

查看生成的class文件，可以看到主版本号变成了0x32，对应着java6

常量池

魔数和版本号之后，也就是8位开始，就是常量池的入口了，通常是Class文件中最大的一部分。

存放内容

字面量
- 文本字符串
- final的常量值
符号引用
- 类和接口的全限定名
- 字段的名称和描述符（后面讲解名称和描述符有什么区别）
- 方法的名称和描述符
- 方法句柄和方法类型
- 被模块导出或开放的包

开头存放u2类型的容量计数器，用于判断常量池的结束

值得一提的是它是从1开始计常量池的数据索引，0索引被用来表示不引用任何常量池数据，所以0x0F表示常量池有14条数据（1-14）

常量池中有十几种数据结构类型，这里就不给出所有的了，需要请查阅相关资料书籍

常量池中数据可以抽象成如下形式反复拼接

类型标志tag/u1	此种类型的特定结构/表

常量池中这十几种数据类型无缝拼接，所有的类型都是以tag来开头，通过它可以判断当前类型，进而得知类型的大小，进而读取全部的数据

手工分析实例

0x0A0003000C是第一个常量，因为tag是0x0A，对应的数据结构长度是5，从这之后就是下划线处第二个常量0x07000D，tag是0x07，数据结构如下

查表可知它表示的是Class_info

0x07是tag，0x000D是全限定名的索引，也就是常量池里的索引0x000D，十进制13，索引从1开始，我们可以数一数到第十三个常量，也就是下划线部分

tag是0x01

package org.b1ackc4t.jvm;
public class Test {
    public static void main(String[] args) {
        int a = 1;
    }
}

对照可知这个常量的bytes部分确实是类的全限定名，一模一样。同理可以将常量表所有数据都推出来。

工具分析实例

幸运的是，我们不需要去每次手工的分析常量池数据，JDK已经内置了专门分析Class字节码的工具./bin/javap，正确配置了Java环境变量就可以直接使用了

javap -v Test.class

可以清晰的看到常量池的内容，比如刚刚分析的类全限定名，是第二个常量，指向第十三个常量的utf-8字符串

访问标志

紧随常量池之后的是访问标志

存放内容

各种各样的类修饰符，包括但不限于

是否是Public
是否是Final
是否是个接口
是否是Abstract
是否是个注解

类、父类、接口索引

紧随访问标志之后

存放内容

存储的是索引，指向常量池中的内容

自身全限定名
直接父类全限定名
所有接口全限定名集合

字段表集合

存放所有的字段，包括类级变量（static）、实例级变量。（一个字段表表示一个字段）

字段表结构内容

一个字段表结构包含以下内容：

访问修饰符
简单名称
描述符
其他额外属性（不像常量池的tag，额外属性没有tag，直接用属性名标识，属性名存在常量池中）
- 比如会为final(包括非静态的final)的字段记录初始值

真实的详细结构请查阅相关资料，这里只描述大致存储了哪些内容

简单名称和描述符

相信如果初始简单名称和描述符，都会对这两个词迷惑，这两个词不仅描述字段也描述方法，意思似乎差不多，但其实大不一样，接下来开始详谈

简单名称。就是平时给变量、方法定义的名字，嗯，就这么简单
描述符。是一种特殊的约定俗成的结构字符串。用来表达字段的数据类型、方法的参数列表、返回值等等，具体如何书写这种描述字符串可查阅相关资料

其他额外属性用的较少，在此不过多介绍。只了解这些相信也能理解字节码是如何用这些简短的数据结构来记录各种复杂的字段了

方法表集合

存放所有的方法包括：

静态方法、普通方法
父类里被子类重写的方法
<init>方法，由编译器自动根据构造方法添加的实例构造器方法
<clinit>方法，如果有静态代码块或者给静态字段赋值操作，编译器自动根据这些代码生成<clinit>方法(类构造器)

方法表结构内容

方法表结构与字段表十分类似，仅仅在访问修饰和额外属性有区别

一个方法表结构包含以下内容：

访问修饰符（比字段表少几种修饰方法比如：volatile）
简单名称
描述符
其他额外属性（不像常量池的tag，额外属性没有tag，直接用属性名标识，属性名存在常量池中）
- Code （方法代码，最重要的额外属性）

只要两个方法简单名称和描述符不完全相同，那么就可以在类中共存。Java方法重载就是简单名称相同，描述符不同。但是描述符还包括了返回值类型，所以字节码的描述其实是比Java范围更大的，理论上只有返回值不同的方法也能够进行重载，但这在Java上是不成立的，也印证了字节码并非只为Java而创造，未来可能有其他语言编译成字节码，能够用上字节码的其他特性，运行在JVM上

额外属性

这里只列举两个最常见的，详细信息请查阅相关资料

Code属性

作为方法表中最重要的额外属性，能够描述诸多信息，并非单纯存放代码

存放内容：

操作栈深度最大值
- 编译期可知的，编译时由编译器计算出方法执行时，任意时刻都不会超过的最大深度
局部变量表长度（单位：变量槽Slot）
- 编译期可知的，编译时由编译器计算出方法任意时刻所使用的局部变量(包括形参)最大长度，可能会根据变量生命周期进行相应的优化。
方法字节码内容（我们的主角！）
- 《Java虚拟机规范》规定字节码长度不能超过65535（也就是一个方法不能超过65535个字节码，不然编译不通过），但长度实际上是用u4来存储的，有四个字节长，可能是为了未来发展设定的。
异常表（用于方法体中异常处理(try-catch)的代码跳转）

Exceptions属性

方法throws抛出的异常信息，比如下面的Exception

public static void main(String[] args) throws Exception {
        System.out.println("hello world");
}

实例-分析一个简单程序的字节码

目标class文件的源码如下：

package org.b1ackc4t.jvm;

public class Test extends SuperClass {

    public static int staticVal = 1;
    public static final byte finalStaticVal = 100;
    public int val1 = 2;
    public final int finalVal = 3;
    public int val3;
    public int[] val4;
    public int val5;

    static {
        System.out.println("static code block!");
    }

    public Test() {
        this.val3 = 10;
        System.out.println("constructor 1");
    }

    public Test(int arg) {
        this.val3 = 20;
        System.out.println("constructor 2");
    }

    public boolean fun1(int a, float b) {
        int c = 10;
        int d = 20;
        System.out.println("fun1");
        return true;
    }

    public static void main(String[] args) throws Exception {
        try {
            System.out.println("main!");
            Test t1 = new Test();
            System.out.println(t1.val5);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

我们还是用javap来分析

javap -v Test.class

版本号

主版本号52，对应java8版本

常量池

访问标志以及父类、接口

访问权限为public

直接父类是SuperTest

没有接口

字段表集合

分析一个比较特别的字段

方法表集合

这里只分析两个方法

惊讶的是结尾还记录了编译的文件名Test.java

"Test.java"也确实出现在了常量池中，这并不是javap加的，而是字节码中确实存在的。

总结

字节码(class文件)的描述能力真的比Java语言要更强一些，默认情况下可以把Java语言表述的所有内容全部装进简短的字节码中，这也是为何class文件被反编译后还原成java代码的还原度如此之高，甚至文件名、局部变量名都能够一一还原。但真实环境中，无论是为了运行效率还是代码安全性，我们都应当适当更改编译选项，不要将过多信息编译进字节码之中，以免隐患产生。

一文让你明白Java字节码

也许你写了无数行的代码，也许你能非常溜的使用高级语言，但是你未必了解那些高级语言的执行过程。例如大行其道的Java。

Java号称是一门“一次编译到处运行”的语言，但是我们对这句话的理解深度又有多少呢？从我们写的java文件到通过编译器编译成java字节码文件（也就是.class文件），这个过程是java编译过程；而我们的java虚拟机执行的就是字节码文件。不论该字节码文件来自何方，由哪种编译器编译，甚至是手写字节码文件，只要符合java虚拟机的规范，那么它就能够执行该字节码文件。那么本文主要讲讲java字节码文件相关知识。接下来我们通过具体的Demo来深入理解：

1 首先我们来写一个java源文件

javasrc.png

上面是我们写的一个java程序，很简单，只有一个成员变量a以及一个方法testMethod() 。

2 接下来我们用javac命令或者ide工具将该java源文件编译成java字节码文件。

demo.png

上图是编译好的字节码文件，我们可以看到一堆16进制的字节。如果你使用IDE去打开，也许看到的是已经被反编译的我们所熟悉的java代码，而这才是纯正的字节码，这也是我们今天需要讲的内容重点。

也许你会对这样一堆字节码感到头疼，不过没关系，我们慢慢试着你看懂它，或许有不一样的收获。在开始之前我们先来看一张图

java_byte.jpeg

这张图是一张java字节码的总览图，我们也就是按照上面的顺序来对字节码进行解读的。一共含有10部分，包含魔数，版本号，常量池等等，接下来我们按照顺序一步一步解读。

3.1 魔数

从上面的总览图中我们知道前4个字节表示的是魔数，对应我们Demo的是 0XCAFE BABE。什么是魔数？魔数是用来区分文件类型的一种标志，一般都是用文件的前几个字节来表示。比如0XCAFE BABE表示的是class文件，那么有人会问，文件类型可以通过文件名后缀来判断啊？是的，但是文件名是可以修改的（包括后缀），那么为了保证文件的安全性，将文件类型写在文件内部来保证不被篡改。
从java的字节码文件类型我们看到，CAFE BABE翻译过来是咖啡宝贝之意，然后再看看java图标。

java_icon.png

CAFE BABE = 咖啡。

3.2 版本号

我们识别了文件类型之后，接下来要知道版本号。版本号含主版本号和次版本号，都是各占2个字节。在此Demo种为0X0000 0033。其中前面的0000是次版本号，后面的0033是主版本号。通过进制转换得到的是次版本号为0，主版本号为51。
从oracle官方网站我们能够知道，51对应的正式jdk1.7，而其次版本为0，所以该文件的版本为1.7.0。如果需要验证，可以在用java –version命令输出版本号，或者修改编译目标版本–target重新编译，查看编译后的字节码文件版本号是否做了相应的修改。

至此，我们共了解了前8字节的含义，下面讲讲常量池相关内容。

3.3 常量池

紧接着主版本号之后的就是常量池入口。常量池是Class文件中的资源仓库，在接下来的内容中我们会发现很多地方会涉及，如Class Name，Interfaces等。常量池中主要存储2大类常量：字面量和符号引用。字面量如文本字符串，java中声明为final的常量值等等，而符号引用如类和接口的全局限定名，字段的名称和描述符，方法的名称和描述符。

为什么需要类和接口的全局限定名呢？系统引用类或者接口的时候不是通过内存地址进行操作吗？这里大家仔细想想，java虚拟机在没有将类加载到内存的时候根本都没有分配内存地址，也就不存在对内存的操作，所以java虚拟机首先需要将类加载到虚拟机中，那么这个过程设计对类的定位（需要加载A包下的B类，不能加载到别的包下面的别的类中），所以需要通过全局限定名来判别唯一性。这就是为什么叫做全局，限定的意思，也就是唯一性。

在进行具体常量池分析之前，我们先来了解一下常量池的项目类型表：

jvm_constant.png

上面的表中描述了11中数据类型的结构，其实在jdk1.7之后又增加了3种（CONSTANT_MethodHandle_info,CONSTANT_MethodType_info以及CONSTANT_InvokeDynamic_info)。这样算起来一共是14种。接下来我们按照Demo的字节码进行逐一翻译。

0×0015：由于常量池的数量不固定（n+2），所以需要在常量池的入口处放置一项u2类型的数据代表常量池数量。因此该16进制是21，表示有20项常量，索引范围为1~20。明明是21，为何是20呢？因为Class文件格式规定，设计者就讲第0项保留出来了，以备后患。从这里我们知道接下来我们需要翻译出20项常量。
Constant #1 （一共有20个常量，这是第一个，以此类推…）
0x0a-：从常量类型表中我们发现，第一个数据均是u1类型的tag，16进制的0a是十进制的10，对应表中的MethodRef_info。
0x-00 04-：Class_info索引项#4
0x-00 11-：NameAndType索引项#17
Constant #2
0x-09: FieldRef_info
0×0003 :Class_info索引项#3
0×0012：NameAndType索引项#18
Constant #3
0×07-: Class_info
0x-00 13-: 全局限定名常量索引为#19
Constant #4
0x-07 :Class_info
0×0014:全局限定名常量索引为#20
Constant #5
0×01:Utf-8_info
0x-00 01-:字符串长度为1（选择接下来的一个字节长度转义）
0x-61:”a”(十六进制转ASCII字符)
Constant #6
0×01:Utf-8_info
0x-00 01：字符串长度为1
0x-49:”I”
Constant #7
0×01:Utf-8_info
0x-00 06:字符串长度为6
0x-3c 696e 6974 3e-:”<init>”
Constant #8
0×01 :UTF-8_info
0×0003:字符串长度为3
0×2829 56:”()V”
Constant #9
0x-01:Utf-8_info
0×0004：字符串长度为4
0x436f 6465:”Code”
Constant #10
0×01:Utf-8_info
0×00 0f:字符串长度为15
0x4c 696e 654e 756d 6265 7254 6162 6c65:”LineNumberTable”
Constant #11
ox01: Utf-8_info
0×00 12字符串长度为18
0x-4c 6f63 616c 5661 7269 6162 6c65 5461 626c 65:”LocalVariableTable”
Constant #12
0×01:Utf-8_info
0×0004 字符串长度为4
0×7468 6973 :”this”
Constant #13
0×01:Utf-8_info
0x0f:字符串长度为15
0x4c 636f 6d2f 6465 6d6f 2f44 656d 6f3b:”Lcom/demo/Demo;”
Constant #14
0×01:Utf-8_info
0×00 0a:字符串长度为10
ox74 6573 744d 6574 686f 64:”testMethod”
Constant #15
0×01:Utf-8_info
0x000a:字符串长度为10
0x536f 7572 6365 4669 6c65 :”SourceFile”
Constant #16
0×01:Utf-8_info
0×0009:字符串长度为9
0x-44 656d 6f2e 6a61 7661 :”Demo.java”
Constant #17
0x0c :NameAndType_info
0×0007:字段或者名字名称常量项索引#7
0×0008:字段或者方法描述符常量索引#8
Constant #18
0x0c:NameAndType_info
0×0005:字段或者名字名称常量项索引#5
0×0006:字段或者方法描述符常量索引#6
Constant #19
0×01:Utf-8_info
0×00 0d:字符串长度为13
0×63 6f6d 2f64 656d 6f2f 4465 6d6f:”com/demo/Demo”
Constant #20
0×01:Utf-8_info
0×00 10 :字符串长度为16
0x6a 6176 612f 6c61 6e67 2f4f 626a 6563 74 :”java/lang/Object”
到这里为止我们解析了所有的常量。接下来是解析访问标志位。

3.4 Access_Flag 访问标志

访问标志信息包括该Class文件是类还是接口，是否被定义成public，是否是abstract，如果是类，是否被声明成final。通过上面的源代码，我们知道该文件是类并且是public。

access_flag.png

0x 00 21：是0×0020和0×0001的并集。其中0×0020这个标志值涉及到了字节码指令，后期会有专题对字节码指令进行讲解。期待中……

3.5 类索引

类索引用于确定类的全限定名
0×00 03 表示引用第3个常量，同时第3个常量引用第19个常量，查找得”com/demo/Demo”。#3.#19

3.6父类索引

0×00 04 同理：#4.#20(java/lang/Object)

3.7 接口索引

通过java_byte.jpeg图我们知道，这个接口有2+n个字节，前两个字节表示的是接口数量，后面跟着就是接口的表。我们这个类没有任何接口，所以应该是0000。果不其然，查找字节码文件得到的就是0000。

3.8 字段表集合

字段表用于描述类和接口中声明的变量。这里的字段包含了类级别变量以及实例变量，但是不包括方法内部声明的局部变量。
同样，接下来就是2+n个字段属性。我们只有一个属性a，按道理应该是0001。查找文件果不其然是0001。
那么接下来我们要针对这样的字段进行解析。附上字段表结构图

技术分享图片

字段表结构.png

0×00 02 ：访问标志为private（自行搜索字段访问标志）
0×00 05 : 字段名称索引为#5，对应的是”a”
0x 00 06 :描述符索引为#6，对应的是”I”
0x 00 00 :属性表数量为0，因此没有属性表。
tips:一些不太重要的表（字段，方法访问标志表）可以自行搜索，这里就不贴出来了，防止篇幅过大。

3.9 方法

我们只有一个方法testMethod，按照道理应该前2个字节是0001。通过查找发现是0×00 02。这是什么原因，这代表着有2个方法呢？且继续看……

方法表结构.png

上图是一张方法表结构图，按照这个图我们分析下面的字节码：

第1个方法：

0×00 01：访问标志 ACC_PUBLIC，表明该方法是public。（可自行搜索方法访问标志表）
0×00 07：方法名索引为#7，对应的是”<init>”
0×00 08：方法描述符索引为#8，对应的是”()V”
0×00 01：属性表数量为1(一个属性表)
那么这里涉及到了属性表。什么是属性表呢？可以这么理解，它是为了描述一些专有信息的，上面的方法带有一张属性表。所有属性表的结构如下图：
一个u2的属性名称索引，一个u2的属性长度加上属性长度的info。
虚拟机规范预定义的属性有很多，比如Code，LineNumberTable，LocalVariableTable，SourceFile等等，这个网上可以搜索到。

属性表结构.png

按照上面的表结构解析得到下面信息：
0×0009:名称索引为#9(“Code”)。
0×000 00038：属性长度为56字节。
那么接下来解析一个Code属性表，按照下图解析

code.png

前面6个字节（名称索引2字节+属性长度4字节）已经解析过了，所以接下来就是解析剩下的56-6=50字节即可。
0×00 02 ：max_stack=2
0×00 01 : max_locals=1
0×00 0000 0a : code_length=10
0x2a b700 012a 04b5 0002 b1 : 这是code代码，可以通过虚拟机字节码指令进行查找。
2a=aload_0(将第一个引用变量推送到栈顶)
b7=invokespecial(调用父类构造方法)
00=什么都不做
01 =将null推送到栈顶
2a=同上
04=iconst_1 将int型1推送到栈顶
b5=putfield 为指定的类的实例变量赋值
00= 同上
02=iconst_m1 将int型-1推送栈顶
b1=return 从当前方法返回void
整理，去除无动作指令得到下面
0 : aload_0
1 : invokespecial
4 : aload_0
5 : iconst_1
6 : putfield
9 : return
关于虚拟机字节码指令这块内容，后期会继续深入下去…… 目前只需要了解即可。接下来顺着Code属性表继续解析下去:
0×00 00 : exception_table_length=0
0×00 02 : attributes_count=2(Code属性表内部还含有2个属性表)
0×00 0a: 第一个属性表是”LineNumberTable”

技术分享图片

LineNumberTable.png

0×00 0000 0a : “属性长度为10″
0×00 02 ：line_number_table_length=2
line_number_table是一个数量为line_number_table_length，类型为line_number_info的集合，line_number_info表包括了start_pc和line_number两个u2类型的数据项，前者是字节码行号，后者是Java源码行号
0×00 00 : start_pc =0
0×00 03 : end_pc =3
0×00 04 : start_pc=4
0×00 04 : end_pc=4

0×00 0b 第二个属性表是：”LocalVariableTable”

local_variable_table.png

技术分享图片

local_variable_info.png

0×00 0000 0c：属性长度为12
0×00 01 : local_variable_table_length=1
然后按照local_variable_info表结构进行解析：
0×00 00 : start_pc=0
0×00 0a：length=10
0x000c : name_index=”this”
0x000d : descriptor_index #13 (“Lcom/demo/Demo”)
0000 index=0
//——-到这里第一个方法就解析完成了——-//
Method（<init>)–1个属性Code表-2个属性表（LineNumberTable ，LocalVariableTable）接下来解析第二个方法

第2个方法：

0×00 04：”protected”
0×00 0e: #14（”testMethod”）
0×00 08 : “()V”
0×0001 ：属性数量=1
0×0009 ：”Code”
0×0000 002b 属性长度为43
解析一个Code表
0000 :max_stack =0
0001 : max_local =1
0000 0001 : code_length =1
0xb1 : return(该方法返回void)
0×0000 异常表长度=0
0×0002 属性表长度为2
//第一个属性表
0x000a : #10，LineNumberTable
0×0000 0006 : 属性长度为6
0×0001 : line_number_length = 1
0×0000 : start_pc =0
0×0008 : end_pc =8
//第二个属性表
0x000b : #11 ，LocalVariableTable
0×0000 000c : 属性长度为12
0×0001 : local_variable_table_length =1
0×0000 :start_pc = 0
0×0001: length = 1
0x000c : name_index =#12 “this”
0x000d : 描述索引#13 “Lcom/demo/Demo;”
0000 index=0

//到这里为止，方法解析都完成了，回过头看看顶部解析顺序图，我们接下来就要解析Attributes了。

3.10 Attribute

0×0001 ：同样的，表示有1个Attributes了。
0x000f : #15(“SourceFile”)
0×0000 0002 attribute_length=2
0×0010 : sourcefile_index = #16(“Demo.java”)
SourceFile属性用来记录生成该Class文件的源码文件名称。

技术分享图片