在 JVM 眼中 .class 文件是什么样的？值得收藏

00 前言

JAVA程序具有 " Write Once , Run Anywhere ." 的跨平台特性。实现这样的目的，Java的方案是：半编译 + 半解释，即 .Class + JVM 。

 

1、源程序内容会被编译为.Class文件，.Class文件具有严格规定如何从中提取信息，可以理解为 “中间码”，约定使用者如何理解文件内容

2、理解了程序内容，各个平台根据自身特色不同，实现各自的JVM用来解释（翻译）.Class文件，变成真正的本地可执行指令。

如此实现了Java跨平台的特性。因此，跨平台的基础为.Class，实现为JVM。

本文的目的为：读懂.Class，悉知编写的程序代码在JVM眼中是什么样子。而在理解了.Class之后，对于理解JVM、理解字节码插桩等有进一步帮助。

01 基础知识

字节码

字节码是一种包含执行程序，由数据对组成的二进制文件，是一种中间码。一般来说，一字节占用8位，即包含八位的二进制。

文章所指的.Class文件为字节码文件，每字节用16进制表示，数值范围 00 ~ FF (0 ~ 255).

无符号数基本类型

无符号数可以用来描述数字、索引引用、数值量或按照 UTF-8 编码构成字符串。u1、u2、u4、u8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。

字面量

字面量是一种固定值的表示法，本身没有含义，需要场景来为它赋予含义，如何理解？比如 007 没有含义，但是用来表示詹姆斯·邦德，你就知道007代表一个很厉害的特工。在程序中，int x = 10、String s = "10" 让字面量 10 具有了不同的意义。

全限定名

将一个类的全限定名是将类全名的.全部替换为/，如java.lang.String替换为java/lang/String

描述符

描述符用来描述字段的数据类型、方法的参数类表和返回值，每种符号对应不同数据类型

 

02 Class文件

Java文件包含了一个类的所有信息，以下是一个Java类：

import java.io.Serializable;

public class TestClass implements Serializable{

private int m = 123;

private static int x = 10;

private static final int y = 20;

public int increace(){

return m+1;

}

public void m() throws Exception{

// 具体逻辑不写

}

public static String hello(){

return "hello word";

}

}

此Java文件中，所包含的信息有：

类明为TestClass并可被外部访问，实现了Serializable接口

拥有类变量 x和y，拥有成员变量 m

拥有可被外部访问的类函数 hello()，拥有可被外部访问的成员函数increace() 和 m()

note: 如无特殊说明，文章所说.Class文件均由此Java文件编译得来这些信息在被编译后将在.Class文件中进行表达。通过命令

Javac fileName.java

可将Java文件编译成对应的.Class文件。.Class文件为字节码文件，可借助对应编辑器阅读。

本文使用的编辑器为 “010” ，windows 和 mac 都有， 自行下载。

 

Class 字节码实例文件

.Class文件使用字节码表达信息，各数据间紧凑，不包含任何分隔符，因此整个.Class文件中存储的内容几乎是全部程序运行时的必要数据。如何解析字节码数据，就需要制定规则来解读，严格遵守。

.Class 文件风格采用类似于C语言结构的伪结构来存储数据。可以将.Class文件看成多张表的集合，通过表索引，能找到对应的数据。可以理解为，数据存在的相对位置，决定了它被赋予的涵义。

.Class文件格式如下表

 

有些数据信息是定长的，有些视具体情况而定，但都会有相应的约束告知具体长度。各信息对应已在.Class实例文件图标出，剩下的是逐层去解析类信息。

03 常量池

常量池中主要存放两大类：字面量和符号引用。符号引用包括：

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

与C和C++不同，Java代码编译后没有“连接”的步骤，在JVM加载Class文件的时候进行动态连接。.Class文件不会保存各方法、字段的最终内存布局信息，因为不能经过运行期转换无法得到真正的内存入库地址，无法被JVM使用。在JVM运行时，从常量池中拿到对应的符号引用，解析、翻译到具体的内存地址中再进行使用，这些信息也就存于JVM的方法区中。

 

常量池所占用长度不定，需要 0x0008 ~ 0x0009 提供常量数量统计，再根据常量池里的具体常量类型推算出具体总占用的长度。

但这比较繁琐，每一种常量类型对应一份表，需要根据表的不同查阅具体的表结构来获取信息。常量类型的第一位 u1 表明来对应常量的表结构，对应信息如下

 

除必要外，本文不打算列出各个对应的表结构，具体结构可参考

Class类文件结构之常量表

https://blog.csdn.net/u014296316/article/details/83020087

这里抛砖引玉。

 

常量池第一个常量

第一个常量类型由 0x000A 处标出，值为0A，十进制为10，查表，类型为CONSTANT_Methodref_info（不得不说现在的编辑器很强大，没有对应功能的话就只能慢慢查了）。

表中数据类型为u1、u2、u2 共占 5 个字节（具体表信息和内容含义后文再续）。如果是CONSTANT_Utf8_info类型，还会有 length 属性表明字面量占用字节长度，需要加上此长度。则第二个常量类型由 0x000F 处标出，值为0F，十进制为09，表类型为CONSTANT_Fieldref_info。以此类推...

这样一步一步查找对应常量也是比较麻烦的，好在Java内置类工具——javap可对.Class文件字节码进行分析，通过命令

javap -verbose fileName

能得到下图信息 ：（仅展示了常量池部分）

 

javap分析常量池

常量池数量值在 0x0008 ~ 0x0009 为 23，转换十进制为35，表示常量池索引范围为 1～35。观察上两张图，前者索引从0开始，后者索引从1开始。

若摸不着门路，常量池的分析着实让人头大，个人看来，常量池里的信息是在 “搭积木” 。

本例子中，常量池涉及到的常量类型为：

CONSTANT_Methodref_info

CONSTANT_Fieldref_info

CONSTANT_String_info

CONSTANT_Class_info

CONSTANT_Interger

CONSTANT_NameAndType

CONSTANT_Utf8

暂时抛开具体表结构，以上表类型结构关系如示：

 

常量池常量类型结构

上面仅画出了当前例子涉及到的常量类型的组成关系，任意类型的常量，不断拆分，最后都会指向基本类型的常量CONSTANT_Utf8，或自身就为基本类型如CONSTANT_Interger。

可以理解为，基本常量类型CONSTANT_Utf8本身没有过多意义，其它的类型为场景，为CONSTANT_Utf8赋予了意义。

CONSTANT_Utf8_info可以算是最基本的类型，结构为

// 伪代码

{

// 常量类型

u1 tag;

// 字节长度

u2 length;

// UTF-8缩略编码

bytes[length];

}

在遇到CONSTANT_Utf8_info类型的常量时，将bytes逐个按照UTF-8缩略编码即可得到对应的字面量

04 类级信息

定义的类为

public class TestClass implements Serializable

其中包含的信息为：

类本身：TestClass

访问标志：public

实现接口Serializable

父类为：Object

从.Class文件格式表中，在常量池后紧接着的数据，就是类级数据

 

从 0x0143 ～ 0x014C :

access_flags(u2): 十六进制值为 0x0021

this_class(u2): 十进制值为5，指向常量池第5个常量， 类型为CONSTANT_Class_info，类为 TestClass

super_class(u2): 十进制值为5，指向第6个常量，类型为CONSTANT_Class_info，类为 java/lang/Object

interface_count(u2): 实现接口数量 1 个

interface[0] ：指向常量池第7个常量，类型为CONSTANT_Class_info，接口名诶 java/io/Serializable

CONSTANT_Class_info 常量表结构如下// 伪代码

{

// 常量类型

u1 tag ;

// 指向常量池偏移量为name_index，类型为CONSTANT_Utf8_info类型的索引，

//代表类或接口的权限定名

u2 name_index;

}

与之前所说常量池里在搭积木的说法一致，后面涉及到的常量池里的类型依然如此。

访问标志使用标志位来表示，各个标志含义如表

 

当前情况为 0x0001 | 0x0020 = 0x0021

05 attribute（属性表）

属性表比较特殊，.Class文件、字段表、方法表等都可以携带自己的属性表集合，用来描述专有的场景，也因此将此表做前置说明。

属性表的特点为：

规则较宽松，不要求严格的顺序、长度、内容

只要不与已有属性表重复，任何编译器都可以向属性表中写入自定义的属性信息，JVM会忽略掉不认识的属性。

属性表结构为// 伪代码

{

// 指向常量池类型为CONSTANT_Utf8_info的常量，代表属性名

u2 attribute_name_index ;

// 属性表info占用长度

u4 attribute_length;

// 这需要具体实现的结构，长度为attribute_length

Info info;

}

因此一个属性表的长度为 u2 + u4 + attribute_length。Java与定义来很多属性表，文章检出涉及到的做后续说明，其它在实际需要时自行查阅

 

字段表与方法表携带的属性表暂未涉及，当前节点涉及到类型为SourceFile的.Class携带的属性表。

 

class携带属性表示例

范围为 0x025A ~ 0x0262 共占 u2 + u4 + attibute_length = 8 字节，SourceFile属性结构如下

伪代码

{

// 指向常量池类型为CONSTANT_Utf8_info的常量，代表属性名

u2 attribute_name_index ;

// 属性表内容占用长度

u4 attribute_length;

// 指向常量池类型为CONSTANT_Utf8_info的常量，代表源文件名

u2 sourcefile_index;

}

因此通过此SourceFile属性表，得知源文件名为TestClass.java

06 字段表

查阅.Class文件格式表，接口表之后，就是字段数量已经字段数量表

 

字节码字段表

从 0x014D ~ 0x016E ， 其中 0x014D ~ 0x014E 表示字段数， 值为 0x0003，表示字段数为3，随便就是紧挨着的字段表。字段表结构如下

// 伪代码

{

// 访问标志

u2 access_flags

// 指向常量池类型为CONSTANT_Utf8_info的常量，表示字段名

u2 name_index

// 指向常量池类型为CONSTANT_Utf8_info的常量，用描述符表示

// 字段类型

u2 descriptor_index

// 属性表数量

attributes_count

// 属性表内容

attribuite_info

}

字段表和.Class一样，能携带自己的属性表处理特殊场景，attribuite_info是非必须的。当attributes_count的值为0时， 说明无需attribuite_info。字段也拥有访问标志来对字段做进一步约束。字段名则用name_index指向常量池的常量来表示，字段类型则用描述符来表示， 比如 Int 表示为 I (忘了往前看基础知识)。

当前例子定义的字段如下：

private int m = 123;

private static int x = 10;

private static final int y = 20;

定义了成员变量 m 和 类变量 x ，y。举例 y 来看

 

位置为 0x015F ~ 0x016E，其中：

访问标志：0x001A

字段名索引：0x000B，十进制值为11，指向常量池第11个常量，为y

描述符索引为：0x0009，指向常量池第9个常量，为I

属性表数为：0x0001，数量为1

属性表总占用长度为：u2 + u4 + 2字节 共10位，即 0x0167 ~ 0x016E

字段访问标志位含义如表：

 

当前为 private static final ，即 0x0001 | 0x0008 | 0x0010 ， 为 0x001A。

通过访问标志、字段索引、描述符信息，就可以拿到

-> private static final int y 这一信息。

对于使用 final和static修饰的并且时基本数据类型的变量，会使用属性表ConstantVulue来进行赋值。属性表 ConstantVulue 除了约定的基本数据外，还有类型为 u2 的ConstantValue_index 索引来表示指向常量池中的常量用来初始化数据。值位于 0x016D ~ 0x016E，为 0x000D，指向的常量表索引13处的值为整型的20；

而实例中的变量m，类变量x则在成员初始函数、类初始函数中进行赋值，下文做说明。

07 方法表

字段表之后，紧挨着的是方法数量与方法表集合

 

范围为 0x016F ~ 0x0258，方法数值为 0x0005 共 5 个方法。除了示例自定义的 increace() ，m() 和 hello() 外，还有实例构造方法<init>()v，类构造器<clinit>()方法。

方法表结构为:

伪代码

{

// 访问标志

u2 access_flags;

// 方法名索引，指向常量池类型为CONSTANT_Utf8_info的常量

u2 name_index;

// 方法返回值描述符索引，指向常量池类型为CONSTANT_Utf8_info的常量

u2 descriptor_index；

// 属性表数量

u2 attributes_count;

// 属性表内容

Info info;

}

方法也可以携带属性表来描述专有场景。通过上述结构以及具体字节码，可以推算出方法所包含的内容。其中，访问标志含义如表：

 

取构造实例方法方法<init>()做示例来看：

 

信息为:

access_flags: 0x0001 ，为public

name_index: 0x000E，为14，对应常量池得到 <init>

descriptor_index: 0x000F，为15，对应常量池得到 ()V

attributes_count: 0x0001，为1，属性表数量为1

可以根据信息反推得到函数信息，实例化函数被表达为 public <init>()V，依次为访问标志位、函数名、返回值。

一个函数方法，更重要的如何表述它所提供的功能。本质上来说，函数体里所有的代码段都是在进行运算操作，因此，只要将函数体里的代码段转换为字节码指令即可，函数执行时根据执行即可，再次之上再几率一下关键信息，就能得出函数执行、栈深度、局部变量数、字节码占用文件大小。

在attributes_count之后，从 0x0179 ～ 0x01A5 是属性表包含的内容。根据之前所说的属性表约定的格式 0x0179 ~ 0x0180 位置值为 0x0010，十进制为16，查找啊常量池知属性表为Code类型。Code类型属性表结构如下：

// 伪代码

{

// 属性表名称索引，指向常量表类型为CONSTANT_Utf8_info的常量

u2 attribute_name_index;

// 属性表长度

u4 attribute_length;

// 栈深

u2 max_stack;

// 局部变量数

u2 max_locals;

// 字节码指令长度

u4 code_length;

// 字节码指令

u1 code code_length;

// 异常表数量

u2 exception_table_length;

// 异常表

exception_info exception_table;

// 属性表数量

u2 attributes_count;

// 属性表

attribute_info attributes;

}

获取方法信息不仅能直接通过阅读字节码文件，通过javap -verbose className也可以拿到，一起贴了

 

红圈为字节码指令集，黄圈为每一条字节码指令，绿圈为Code属性表的基本信息，蓝圈为javap工具解析出的实例函数信息。

首先，最大栈深为2，在函数执行的任意时刻都不会超过这个操作数栈深度的最大值；然后局部变量数为1，表示局部变量表所需的存储空间，单位为Slot，此单位是JVM为局部变量分配内存所使用的最小单位。蓝圈里还有args_sige表示方法接受的参数数，这里为1，也就是 this。最后就是函数代码块里转成的字节码指令里。

字节码指令不在文章的讨论范围内，不妨简单了解。

字节码指令代表着某种特定操作，由一个字节长度代表其操作含义，后面可以跟随0到多个所需操作数。

本例子中的初始化函数被翻译成了：

2A B7 00 01 2A 10 7B B5 00 02 B1

也就是上图蓝圈处的:

{

// 将 this 入栈

0: aload_0

// 唤醒父类实例化函数

1: invokespecial #1

4: aload_0

// 将 123 入栈

5: bitpush 123

// 访问字段 m，将123存入

7: putfield #2

// 方法返回

10: return

}

这里只说明 putfield #2，对应的字节码为 B5 00 02，其中 B5 代表操作执行 00 02 为操作所需参数，值为 0x0002，表示指向常量池类型为 CONSTANT_Fieldref_info 的常量。CONSTANT_Fieldref_info 结构为

// 伪代码

CONSTANT_Fieldref_info

{

u1 tag;

// 指向常量池类型为CONSTANT_ClassInfo_info的常量

// 代表字段所属类

u2 class_index;

// 指向常量池类型为CONSTANT_NameAndType_info的常量

// 代表字段名和类型

u2 name_and_type_index;

}

CONSTANT_ClassInfo_info

{

u1 tag;

// 指向常量池尾CONSTANT_Utf8_info的常量

// 代表类名

u2 name_index;

}

CONSTANT_NameAndType_info

{

u1 tag;

// 指向常量池尾CONSTANT_Utf8_info的常量

// 代表 名称

u2 name_index;

// 指向常量池尾CONSTANT_Utf8_info的常量

// 代表 所属类型

u2 descriptor_index;

}

当前为指向第二个常量，对照信息：

 

m初始化

能知道字节码操作 B5 00 02 是将栈中的 123 给 TestClass.m 进行赋值 ，也就是例子中定义的 private int m = 123 的赋值操作。

而 x 的赋值则在类构造器<cinit>中进行，inicrea()和m()函数也可以用相同的方式进行分析。不再陈述，点到为止。

08 总结

至此，了解.Class文件的如何，通过.Class文件格式表可以解析出文件内容的基本信息。.Class文件可以看成多张表的集合，根据表制定的规则，顺藤摸瓜，自然能找出对应信息。

.Class文件在如何表达信息上不难理解，难的是有耐心去缕清这些琐碎的索引关系，尤其常量池和属性表部分。属性表部分则提供了足够的发挥空间，根据场景提供更多内容。

文章仅了解了解析.Class文件的基本规则，更进一步的解析规则感兴趣或需要时再了解即可，方法不变。

参考

《深入理解Java虚拟机》 —— 第6章

1、深入理解JVM字节码执行引擎https://blog.csdn.net/suifeng629/article/details/823497842、java中class文件的意义是什么？https://blog.csdn.net/dangbai01_/article/details/800973403、java语言为什么可以跨平台https://blog.csdn.net/banjing_1993/article/details/82349013

欢迎在留言区留下你的观点，一起讨论提高。如果今天的文章让你有新的启发，学习能力的提升上有新的认识，欢迎转发分享给更多人。