Class 类文件结构

本文部分摘自《深入理解 Java 虚拟机第三版》

概述

我们知道,Java 具有跨平台性,其实现基础就是虚拟机和字节码存储格式。Java 虚拟机不与 Java 语言绑定,只与 Class 文件所关联。Java 虚拟机作为一个通用的、与机器无关的执行平台,任何语言都可以将 Java 虚拟机作为它们的运行基础,以 Class 文件作为它们产品的交付媒介。

Class 文件是一组以 8 个字节为基础单位的二进制流,各个数据项目严格按照顺序紧凑地排列在文件之中,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。当遇到需占用 8 个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 个字节进行存储。

Class 文件中有两种数据类型,分别是无符合数和表:

  • 无符号数属于基本数据类型,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 UTF-8 编码构成字符串值
  • 表是由多个无符号数或其他表作为数据项构成的复合数据类型,一般以 _info 结尾。表用于描述有层次关系的复合结构的数据,整个 Class 文件本质上也可以视作是一张表

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,这时候称这一系列连续的某一类型的数据为某一类型的集合。

下面是 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
field_info fields fields_count
u2 methods_count 1
method_info methods methods_count
u2 attribute_count 1
attribute_info attributes attributes_count

魔数和 Class 文件版本

Class 文件的头 4 个字节被称为魔数(Magic Number),它的唯一作用是确定该 Class 文件是否能被虚拟机接受,其值为 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 版本号从 45 开始,以后每个 JDK 大版本发布则主版本号加 1。高版本的 JDK 能向下兼容以前版本的 Class 文件,但不能运行以后版本的 Class 文件。

常量池

紧接着主、次版本号的是常量池入口,常量池入口需要放置一项 u2 类型的数据,代表常量池容量计数值(constant_pool_count),这个容量计数是从 1 而不是从 0 开始,第 0 项用于表达“不引用任何一个常量池项目”的含义。Class 文件结构中只有常量池的容量计数是从 1 开始,其他都是从 0 开始。

常量池中主要存放两大类常量:字面量和符号引用。字面量比较接近 Java 语言层面的常量概念,如文本字符串、被声明为 final 的常量值等。而符号引用则属于编译原理方面的概念,主要包括下面几类常量:

  • 被模块导出或开放的包(Package)
  • 类和接口的全限定名(Fully Qualified Name)
  • 字段的名称和描述符(Descriptor)
  • 方法的名称和描述符
  • 方法句柄和方法类型(Method Handle、Method Type、Invoke Dynamic)
  • 动态调用点和动态常量(Dynamically-Computed Call Site、Dynamically-Computed Constant)

Java 会在虚拟机加载 Class 文件的时候进行动态连接,将符号引用转换为真正的内存入口。常量池中每一项常量都是一个表,最初有 11 种结构不同的表结构数据,后来为了更好地支持动态语言调用,额外增加了 4 种动态语言相关的常量,后来为了支持 Java 模块化,又加入了 2 个常量,所以截止 JDK13,常量表中有 17 种不同类型的常量。这 17 类表都有一个共同的特点,表结构起始的第一位是个 u1 类型的标志位(tag)

17 种常量类型所代表的具体含义如表:

类型 标志 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 表示方法类型
CONSTANT_Dynamic_info 17 表示一个动态计算常量
CONSTANT_InvokeDynamic_info 18 表示一个动态方法调用点
CONSTANT_Moudle_info 19 表示一个模块
CONSTANT_Package_info 20 表示一个模块中开放或者导出的包

访问标志

常量池结束之后,紧接着的 2 个字节代表访问标志(access_flags),这个标志用于标识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 等等。具体的标志位以及标志的含义如表:

标志名称 标志值 含义
ACC_PUBLIC 0x0001 是否为 Public 类型
ACC_FINAL 0x0010 是否被声明为 final,只有类可以设置
ACC_SUPER 0x0020 是否允许使用 invokespecial 字节码指令的新语义
ACC_INTERFACE 0x0200 标志这是一个接口
ACC_ABSTRACT 0x0400 是否为 abstract 类型,对于接口或者抽象类来说,次标志值为真,其他类型为假
ACC_SYNTHETIC 0x1000 标志这个类并非由用户代码产生
ACC_ANNOTATION 0x2000 标志这是一个注解
ACC_ENUM 0x4000 标志这是一个枚举

access_flags 中一共有 16 个标志位可以使用,当前只定义了其中 9 个,没有使用到的标志位要求一律为零。

类索引、父类索引与接口索引集合

类索引(this_class)、父类索引(super_class)和接口索引(interfaces)都按顺序排列在访问标志之后,类索引和父类索引用两个 u2 类型的索引值表示,而接口索引是一组 u2 类型的数据的集合。

类索引用于确定该类的全限定名,父类索引确定该类的父类的全限定名,由于 Java 不允许多继承,因此父类索引只有一个,Object 类的父类索引为 0。类索引和父类索引各自指向一个 CONSTANT_Class_info 的类描述符常量,通过这个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。

对于接口索引集合,入口的第一项 u2 类型的数据为接口计数器(interfaces_count),表示索引表的容量,如果该类没有实现任何接口,则该计数器的值为 0,后面接口的索引表不再占用任何字节。

字段表集合方法表集合

字段表集合(field_info)用于描述接口或类中声明的变量,包括类级变量以及实例级变量,但不包括在方法内部声明的局部变量。字段包含待信息有字段的作用域(public、private、protected)、是实例变量还是类变量(static)、可变性(final)等等。这些信息要么有,要么没有,很适合用标志位来表示,而字段叫什么,被定义为什么数据类型,这些都无法固定,只能用常量池中的常量来描述。

字段表结构如下:

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

access_flags 用来标识字段修饰符(public、static、final、volatile ...),name_index 和 descriptor_index 都是对常量池的引用,分别代表字段的简单名称以及字段和方法的描述符。之后的是属性表集合,用于存储一些额外信息。

字段表集合不会列出从父类或父接口继承而来的字段,但有可能出现原本 Java 代码中没有的字段,例如内部类为了保持对外部类的访问性,编译器会自动添加指向外部类实例的字段。

方法表集合与字段表集合几乎完全一致,仅在标志和属性表集合的可选项中有所区别。至于方法里面的代码,则经编译后存放在方法属性表集合中一个名为 Code 的属性里面。

发表评论

评论已关闭。

相关文章