最近在寫一個(gè)私人項(xiàng)目，名字叫做ClassAnalyzer，ClassAnalyzer的目的是能讓我們對(duì)Java Class文件的設(shè)計(jì)與結(jié)構(gòu)能夠有一個(gè)深入的理解。主體框架與基本功能已經(jīng)完成，還有一些細(xì)節(jié)功能日后再增加。實(shí)際上JDK已經(jīng)提供了命令行工具javap來反編譯Class文件，但本篇文章將闡明我實(shí)現(xiàn)解析器的思路。

Class文件

作為類或者接口信息的載體，每個(gè)Class文件都完整的定義了一個(gè)類。為了使Java程序可以“編寫一次，處處運(yùn)行”，Java虛擬機(jī)規(guī)范對(duì)Class文件進(jìn)行了嚴(yán)格的規(guī)定。構(gòu)成Class文件的基本數(shù)據(jù)單位是字節(jié)，這些字節(jié)之間不存在任何分隔符，這使得整個(gè)Class文件中存儲(chǔ)的內(nèi)容幾乎全部是程序運(yùn)行的必要數(shù)據(jù)，單個(gè)字節(jié)無法表示的數(shù)據(jù)由多個(gè)連續(xù)的字節(jié)來表示。

根據(jù)Java虛擬機(jī)規(guī)范，Class文件采用一種類似于C語言結(jié)構(gòu)體的偽結(jié)構(gòu)來存儲(chǔ)數(shù)據(jù)，這種偽結(jié)構(gòu)中只有兩種數(shù)據(jù)類型：無符號(hào)數(shù)和表。Java虛擬機(jī)規(guī)范定義了u1、u2、u4和u8來分別表示1個(gè)字節(jié)、2個(gè)字節(jié)、4個(gè)字節(jié)和8個(gè)字節(jié)的無符號(hào)數(shù)，無符號(hào)數(shù)可以用來描述數(shù)字、索引引用、數(shù)量值或者是字符串。表是由多個(gè)無符號(hào)數(shù)或者其它表作為數(shù)據(jù)項(xiàng)構(gòu)成的復(fù)合數(shù)據(jù)類型，表用于描述有層次關(guān)系的復(fù)合結(jié)構(gòu)的數(shù)據(jù)，因此整個(gè)Class文件本質(zhì)上就是一張表。在ClassAnalyzer中，byte、short、int和long分別對(duì)應(yīng)u1、u2、u4和u8數(shù)據(jù)類型，Class文件被描述為如下Java類。

public class ClassFile {
 public U4 magic;       // magic
 public U2 minorVersion;      // minor_version
 public U2 majorVersion;      // major_version
 public U2 constantPoolCount;    // constant_pool_count
 public ConstantPoolInfo[] cpInfo;   // cp_info
 public U2 accessFlags;      // access_flags
 public U2 thisClass;      // this_class
 public U2 superClass;      // super_class
 public U2 interfacesCount;     // interfaces_count
 public U2[] interfaces;      // interfaces
 public U2 fieldsCount;      // fields_count
 public FieldInfo[] fields;     // fields
 public U2 methodsCount;      // methods_count
 public MethodInfo[] methods;    // methods
 public U2 attributesCount;     // attributes_count
 public BasicAttributeInfo[] attributes;  // attributes
}

如何解析

組成Class文件的各個(gè)數(shù)據(jù)項(xiàng)中，例如魔數(shù)、Class文件的版本等數(shù)據(jù)項(xiàng)、訪問標(biāo)志、類索引、父類索引，它們?cè)诿總€(gè)Class文件中都占用固定數(shù)量的字節(jié)，在解析時(shí)只需要讀取相應(yīng)數(shù)量的字節(jié)。除此之外，需要靈活處理的主要包括4部分：常量池、字段表集合、方法表集合和屬性表集合。字段和方法都可以具備自己的屬性，Class本身也有相應(yīng)的屬性，因此，在解析字段表集合和方法表集合的同時(shí)也包含了屬性表的解析。

常量池占據(jù)了Class文件很大一部分的數(shù)據(jù)，用于存儲(chǔ)所有的常量信息，包括數(shù)字和字符串常量、類名、接口名、字段名和方法名等。Java虛擬機(jī)規(guī)范定義了多種常量類型，每一種常量類型都有自己的結(jié)構(gòu)。常量池本身是一個(gè)表，在解析時(shí)有幾點(diǎn)需要注意。

每個(gè)常量類型都通過一個(gè)u1類型的tag來標(biāo)識(shí)。

表頭給出的常量池大小（constantPoolCount）比實(shí)際大1，例如，如果constantPoolCount等于47，那么常量池中有46項(xiàng)常量。

常量池的索引范圍從1開始，例如，如果constantPoolCount等于47，那么常量池的索引范圍為1~46。設(shè)計(jì)者將第0項(xiàng)空出來的目的是用于表達(dá)“不引用任何一個(gè)常量池項(xiàng)目”。

CONSTANT_Utf8_info型常量的結(jié)構(gòu)中包含u1類型的tag、u2類型的length和由length個(gè)u1類型組成的bytes，這length字節(jié)的連續(xù)數(shù)據(jù)是一個(gè)使用MUTF-8（Modified UTF-8）編碼的字符串。MUTF-8與UTF-8并不兼容，主要區(qū)別有兩點(diǎn)：一是null字符會(huì)被編碼成2字節(jié)（0xC0和0x80）；二是補(bǔ)充字符是按照UTF-16拆分為代理對(duì)分別編碼的，相關(guān)細(xì)節(jié)可以看這里（變種UTF-8）。

屬性表用于描述某些場景專有的信息，Class文件、字段表和方法表都有相應(yīng)的屬性表集合。Java虛擬機(jī)規(guī)范定義了多種屬性，ClassAnalyzer目前實(shí)現(xiàn)了對(duì)常用屬性的解析。和常量類型的數(shù)據(jù)項(xiàng)不同，屬性并沒有一個(gè)tag來標(biāo)識(shí)屬性的類型，但是每個(gè)屬性都包含有一個(gè)u2類型的attribute_name_index，attribute_name_index指向常量池中的一個(gè)CONSTANT_Utf8_info類型的常量，該常量包含著屬性的名稱。在解析屬性時(shí)，ClassAnalyzer正是通過attribute_name_index指向的常量對(duì)應(yīng)的屬性名稱來得知屬性的類型。

字段表用于描述類或者接口中聲明的變量，字段包括類級(jí)變量以及實(shí)例級(jí)變量。字段表的結(jié)構(gòu)包含一個(gè)u2類型的access_flags、一個(gè)u2類型的name_index、一個(gè)u2類型的descriptor_index、一個(gè)u2類型的attributes_count和attributes_count個(gè)attribute_info類型的attributes。我們已經(jīng)介紹了屬性表的解析，attributes的解析方式與屬性表的解析方式一致。

Class的文件方法表采用了和字段表相同的存儲(chǔ)格式，只是access_flags對(duì)應(yīng)的含義有所不同。方法表包含著一個(gè)重要的屬性：Code屬性。Code屬性存儲(chǔ)了Java代碼編譯成的字節(jié)碼指令，在ClassAnalyzer中，Code對(duì)應(yīng)的Java類如下所示（僅列出了類屬性）

public class Code extends BasicAttributeInfo {
 private short maxStack;
 private short maxLocals;
 private long codeLength;
 private byte[] code;
 private short exceptionTableLength;
 private ExceptionInfo[] exceptionTable;
 private short attributesCount;
 private BasicAttributeInfo[] attributes;
 ...
 private class ExceptionInfo {
  public short startPc;
  public short endPc;
  public short handlerPc;
  public short catchType;
   ...
 }
}

在Code屬性中，codeLength和code分別用于存儲(chǔ)字節(jié)碼長度和字節(jié)碼指令，每條指令即一個(gè)字節(jié)（u1類型）。在虛擬機(jī)執(zhí)行時(shí)，通過讀取code中的一個(gè)個(gè)字節(jié)碼，并將字節(jié)碼翻譯成相應(yīng)的指令。另外，雖然codeLength是一個(gè)u4類型的值，但是實(shí)際上一個(gè)方法不允許超過65535條字節(jié)碼指令。

代碼實(shí)現(xiàn)

ClassAnalyzer的源碼已放在了GitHub上。在ClassAnalyzer的README中，我以一個(gè)類的Class文件為例，對(duì)該Class文件的每個(gè)字節(jié)進(jìn)行了分析，希望對(duì)大家的理解有所幫助。

參考

深入理解Java虛擬機(jī)

結(jié)束語：以上就是本文關(guān)于如何實(shí)現(xiàn)一個(gè)Java class 解析器的全部內(nèi)容，希望對(duì)大家有所幫助。