JVM 深入學習：Java 解析 Class 檔案過程解析

HalfStackDeveloper發表於2017-02-06
JVMJava

前言：

身為一個java程式設計師，怎麼能不瞭解JVM呢，倘若想學習JVM，那就又必須要了解Class檔案，Class之於虛擬機器，就如魚之於水，虛擬機器因為Class而有了生命。《深入理解java虛擬機器》中花了一整個章節來講解Class檔案，可是看完後，一直都還是迷迷糊糊，似懂非懂。正好前段時間看見一本書很不錯：《自己動手寫Java虛擬機器》，作者利用go語言實現了一個簡單的JVM，雖然沒有完整實現JVM的所有功能，但是對於一些對JVM稍感興趣的人來說，可讀性還是很高的。作者講解的很詳細，每個過程都分為了一章，其中一部分就是講解如何解析Class檔案。

這本書不太厚，很快就讀完了，讀完後，收穫頗豐。但是紙上得來終覺淺，絕知此事要躬行，我便嘗試著自己解析Class檔案。go語言雖然很優秀，但是終究不熟練，尤其是不太習慣其把型別放在變數之後的語法，還是老老實實用java吧。

話不多說，先貼出專案地址：https://github.com/HalfStackDeveloper/ClassReader

Class檔案

什麼是Class檔案？

java之所以能夠實現跨平臺，便在於其編譯階段不是將程式碼直接編譯為平臺相關的機器語言，而是先編譯成二進位制形式的java位元組碼，放在Class檔案之中，虛擬機器再載入Class檔案，解析出程式執行所需的內容。每個類都會被編譯成一個單獨的class檔案，內部類也會作為一個獨立的類，生成自己的class。

基本結構

隨便找到一個class檔案，用Sublime Text開啟是這樣的：

螢幕快照 2017-02-06 上午8.44.42.png

是不是一臉懵逼，不過java虛擬機器規範中給出了class檔案的基本格式，只要按照這個格式去解析就可以了：

ClassFile {
    u4 magic;
       u2 minor_version;
       u2 major_version;
       u2 constant_pool_count;
       cp_info constant_pool[constant_pool_count-1];
       u2 access_flags;
       u2 this_class;
       u2 super_class;
       u2 interfaces_count;
       u2 interfaces[interfaces_count];
       u2 fields_count;
       field_info fields[fields_count];
       u2 methods_count;
      method_info methods[methods_count];
       u2 attributes_count;
       attribute_info attributes[attributes_count];
}

ClassFile中的欄位型別有u1、u2、u4,這是什麼型別呢？其實很簡單，就是分別表示1個位元組，2個位元組和4個位元組。

開頭四個位元組為：Magic，是用來唯一標識檔案格式的，一般被稱作magic number（魔數），這樣虛擬機器才能識別出所載入的檔案是否是class格式，class檔案的魔數為cafebabe。不只是class檔案，基本上大部分檔案都有魔數，用來標識自己的格式。

接下來的部分主要是class檔案的一些資訊，如常量池、類訪問標誌、父類、介面資訊、欄位、方法等，具體的資訊可參考《Java虛擬機器規範》。

解析

欄位型別

上面說到ClassFile中的欄位型別有u1、u2、u4，分別表示1個位元組，2個位元組和4個位元組的無符號整數。java中short、int、long分別為2、4、8個位元組的有符號整數，去掉符號位，剛好可以用來表示u1、u2、u4。

public class U1 {
    public static short read(InputStream inputStream) {
        byte[] bytes = new byte[1];
        try {
            inputStream.read(bytes);
        } catch (IOException e) {
            e.printStackTrace();
        }
        short value = (short) (bytes[0] & 0xFF);
        return value;
    }
}

public class U2 {
    public static int read(InputStream inputStream) {
        byte[] bytes = new byte[2];
        try {
            inputStream.read(bytes);
        } catch (IOException e) {
            e.printStackTrace();
        }
        int num = 0;
        for (int i= 0; i < bytes.length; i++) {
            num <<= 8;
            num |= (bytes[i] & 0xff);
        }
        return num;
    }
}                                                                                                                                                                                   

public class U4 {
    public static long read(InputStream inputStream) {
        byte[] bytes = new byte[4];
        try {
            inputStream.read(bytes);
        } catch (IOException e) {
            e.printStackTrace();
        }
        long num = 0;
        for (int i= 0; i < bytes.length; i++) {
            num <<= 8;
            num |= (bytes[i] & 0xff);
        }
        return num;
    }
}

常量池

定義好欄位型別後，我們就可以讀取class檔案了，首先是讀取魔數之類的基本資訊，這部分很簡單：

FileInputStream inputStream = new FileInputStream(file);
ClassFile classFile = new ClassFile();
classFile.magic = U4.read(inputStream);
classFile.minorVersion = U2.read(inputStream);
classFile.majorVersion = U2.read(inputStream);

這部分只是熱熱身，接下來的大頭在於常量池。解析常量池之前，我們先來解釋一下常量池是什麼。

常量池，顧名思義，存放常量的資源池，這裡的常量指的是字面量和符號引用。字面量指的是一些字串資源，而符號引用分為三類：類符號引用、方法符號引用和欄位符號引用。通過將資源放在常量池中，其他項就可以直接定義成常量池中的索引了，避免了空間的浪費，不只是class檔案，Android可執行檔案dex也是同樣如此，將字串資源等放在DexData中，其他項通過索引定位資源。java虛擬機器規範給出了常量池中每一項的格式：

cp_info {
    u1 tag;
    u1 info[]; 
}

上面的這個格式只是一個通用格式，常量池中真正包含的資料有14種格式，每種格式的tag值不同,具體如下所示:

螢幕快照 2017-02-06 下午2.20.08.png

由於格式太多，文章中只挑選一部分講解：

這裡首先讀取常量池的大小，初始化常量池：

//解析常量池
int constant_pool_count = U2.read(inputStream);
ConstantPool constantPool = new ConstantPool(constant_pool_count);
constantPool.read(inputStream);

接下來再逐個讀取每項內容，並儲存到陣列cpInfo中，這裡需要注意的是，cpInfo[]下標從1開始，0無效，且真正的常量池大小為constant_pool_count-1。

public class ConstantPool {
    public int constant_pool_count;
    public ConstantInfo[] cpInfo;

    public ConstantPool(int count) {
        constant_pool_count = count;
        cpInfo = new ConstantInfo[constant_pool_count];
    }

    public void read(InputStream inputStream) {
        for (int i = 1; i < constant_pool_count; i++) {
            short tag = U1.read(inputStream);
            ConstantInfo constantInfo = ConstantInfo.getConstantInfo(tag);
            constantInfo.read(inputStream);
            cpInfo[i] = constantInfo;
            if (tag == ConstantInfo.CONSTANT_Double || tag == ConstantInfo.CONSTANT_Long) {
                i++;
            }
        }
    }
}

我們先來看看CONSTANT_Utf8格式，這一項裡面存放的是MUTF-8編碼的字串：

CONSTANT_Utf8_info { 
    u1 tag;
    u2 length;
    u1 bytes[length]; 
}

那麼如何讀取這一項呢？

public class ConstantUtf8 extends ConstantInfo {
    public String value;

    @Override
    public void read(InputStream inputStream) {
        int length = U2.read(inputStream);
        byte[] bytes = new byte[length];
        try {
            inputStream.read(bytes);
        } catch (IOException e) {
            e.printStackTrace();
        }
        try {
            value = readUtf8(bytes);
        } catch (UTFDataFormatException e) {
            e.printStackTrace();
        }
    }

    private String readUtf8(byte[] bytearr) throws UTFDataFormatException {
        //copy from java.io.DataInputStream.readUTF()
    }
}

很簡單，首先讀取這一項的位元組陣列長度，接著呼叫readUtf8(),將位元組陣列轉化為String字串。

再來看看CONSTANT_Class這一項，這一項儲存的是類或者介面的符號引用：

CONSTANT_Class_info {
    u1 tag;
    u2 name_index;
}

注意這裡的name_index並不是直接的字串，而是指向常量池中cpInfo陣列的name_index項，且cpInfo[name_index]一定是CONSTANT_Utf8格式。

public class ConstantClass extends ConstantInfo {
    public int nameIndex;

    @Override
    public void read(InputStream inputStream) {
        nameIndex = U2.read(inputStream);
    }
}

常量池解析完畢後，就可以供後面的資料使用了，比方說ClassFile中的this_class指向的就是常量池中格式為CONSTANT_Class的某一項,那麼我們就可以讀取出類名：

int classIndex = U2.read(inputStream);
ConstantClass clazz = (ConstantClass) constantPool.cpInfo[classIndex];
ConstantUtf8 className = (ConstantUtf8) constantPool.cpInfo[clazz.nameIndex];
classFile.className = className.value;
System.out.print("classname:" + classFile.className + "\n");

位元組碼指令

解析常量池之後還需要接著解析一些類資訊，如父類、介面類、欄位等，但是相信大家最好奇的還是java指令的儲存，大家都知道，我們平時寫的java程式碼會被編譯成java位元組碼，那麼這些位元組碼到底儲存在哪呢？別急，講解指令之前，我們先來了解下ClassFile中的method_info，其格式如下：

method_info {
    u2 access_flags;
    u2 name_index;
    u2 descriptor_index;
    u2 attributes_count;
    attribute_info attributes[attributes_count];
}

method_info裡主要是一些方法資訊：如訪問標誌、方法名索引、方法描述符索引及屬性陣列。這裡要強調的是屬性陣列，因為位元組碼指令就儲存在這個屬性陣列裡。屬性有很多種，比如說異常表就是一個屬性，而儲存位元組碼指令的屬性為CODE屬性，看這名字也知道是用來儲存程式碼的了。屬性的通用格式為：

attribute_info {
    u2 attribute_name_index;
    u4 attribute_length;
    u1 info[attribute_length];
}

根據attribute_name_index可以從常量池中拿到屬性名，再根據屬性名就可以判斷屬性種類了。

Code屬性的具體格式為：

Code_attribute {
    u2 attribute_name_index; u4 attribute_length;
    u2 max_stack;
    u2 max_locals;
    u4 code_length;
    u1 code[code_length];
    u2 exception_table_length; 
    {
        u2 start_pc;
        u2 end_pc;
        u2 handler_pc;
        u2 catch_type;
    } exception_table[exception_table_length];
    u2 attributes_count;
    attribute_info attributes[attributes_count];
}

其中code陣列裡儲存就是位元組碼指令，那麼如何解析呢？每條指令在code[]中都是一個位元組，我們平時javap命令反編譯看到的指令其實是助記符，只是方便閱讀位元組碼使用的，jvm有一張位元組碼與助記符的對照表，根據對照表，就可以將指令翻譯為可讀的助記符了。這裡我也是在網上隨便找了一個對照表，儲存到本地txt檔案中，並在使用時解析成HashMap。程式碼很簡單，就不貼了，可以參考我程式碼中InstructionTable.java。

接下來我們就可以解析位元組碼了：

for (int j = 0; j < methodInfo.attributesCount; j++) {
    if (methodInfo.attributes[j] instanceof CodeAttribute) {
        CodeAttribute codeAttribute = (CodeAttribute) methodInfo.attributes[j];
        for (int m = 0; m < codeAttribute.codeLength; m++) {
            short code = codeAttribute.code[m];
            System.out.print(InstructionTable.getInstruction(code) + "\n");
        }
    }
}

執行

整個專案終於寫完了，接下來就來看看效果如何，隨便找一個class檔案解析執行：

螢幕快照 2017-02-06 下午3.55.10.png

哈哈，是不是很贊！

相關文章