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。