Java Class 类文件格式看这一篇就够了

本文将揭开Java Class文件的神秘面纱，带你了解Class文件的内部结构，并从Class文件结构的视角告诉你：

• 为什么Java Class字节码文件可以“写一次，遍地跑”？
• 为什么常量池的计数从1开始，而不是和java等绝大多数语言的习惯一样从0开始计数？
• 为什么在Java应用运行期间，无法使用反射在普通对象中获取到泛型信息？

平台无关性

Java应用之所以能“Write once， Run anywhere”，是因为有JVM虚拟机这个中间媒介来执行Java程序，而JVM虚拟机不和包括Java在内的任何语言绑定，它只和“Class”文件这种约定的二进制文件格式所关联。虚拟机通过载入和执行平台无关的字节码，从而实现了程序的“Write once， Run anywhere”。

什么是Class文件？

“深入理解Java虚拟机”一书中给出了定义，“Class文件是一组以8位字节为基础单位的二进制流”。各个数据项目按照顺序紧凑排列，中间没有分隔符，整个Class文件没有一点空间上的浪费。

利用idea插件BinEd打开Class文件，我们可以看到用十六进制表示的Class文件，开头是固定的0xCAFEBABE（咖啡宝贝）魔数，它的唯一作用是用来验证此文件是可以被虚拟机接受的Class文件，而不是通过后缀.class来验证，因为后缀名是可以人为修改的。很多格式如gif或者jpeg等文件头都存在魔数。

Class文件格式

Class文件格式按照虚拟机规范的约定，采用一种类似于C语言结构体的伪结构来存储数据，只要各个平台编译器能够严格遵守Java虚拟机的规范来生成Class文件，Java虚拟机就能生成它可执行的Class文件。在Class文件中只有两种数据类型：

• 无符号数。属于基本的数据类型，u1、u2、u4和u8分别表示1个、2个、4个和8个字节的无符号数，它们可以用来描述数字、索引引用、数量值或者utf-8编码的字符串。
• 表。是由多个无符号数或其他表构成的复合数据结构。表习惯以“_info”结尾，整个Class文件本质上也是一张表，因为它也是具有层次关系的复合数据类型。

如上图，当同一个数据类型有多个时，经常会在这个数据类型集合的前面加上一个计数器。例如，fields数据项表示Class文件里的多个field_info字段，其前面的fields_count保存了fields集合的数量。

下面正式开始介绍Class文件的各个数据项的含义和作用。

Class文件的版本

前面已经介绍了Class文件以魔数（magic）开头，魔数是u4类型，占用了4个字节。紧随其后的第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的版本号从45开始，从1.1开始每个JDK大版本的主版本号都向上加1（JDK 1.0～1.1使用了45.0～45.3的版本号）。例如，我的本地JDK版本是1.8，所以编译的Class文件大版本号是十六进制0x0034，即十进制52。

版本号的作用是保证高版本的JDK向下兼容低版本的Class文件，但必须拒绝超过其版本号的Class文件。

常量池

主版本号之后是常量池入口，常量池是占用Class文件空间最大的数据项目之一，因为其他项目里存放的引用类型，是和常量池里存放的数据进行的关联。例如，类索引（this_class）是u2类型的数据，里面存放的是引用常量池的地址，常量池对应的区域保存的是类的全限定名。

我们先用一个示例来大致的了解一下常量池的结构。以下是class文件对应的源代码，我们可以使用idea插件jclasslib，打开这个类的class文件看看它的构造。

public class GuoClass<T> {private int money;public int make() {return money + 1000000000;}
}

在一般信息里，我们看到有一项“本类索引”（this_class），cp_info表示本类索引的数据类型是常量池类型（constant_pool_info），编号#4表示本类索引指向的是常量池的4号位置，它存放的数据是CONSTANT_Class_info类型。

点开常量池编号#4的索引，可以看到它存放的也是一个cp_info的数据，显然我们可以再次点击它跳转到常量池编号25的位置看看。

果然，这里我们看到了常量池编号#25的位置存放的是一个字符串字面量，它保存的就是我们最终要找的类的全限定名“com/examples/test/GuoClass”。

通过上面的示例，我们可以分析出几个重点：

• 常量池的容量计数是从1开始算起的。这和绝大多数语言习惯包括Java都不太一样。这样做的目的在于满足特定情况下，不引用常量池项目时，将索引值置为0。
• 常量池的常量数量是不固定的。所以在常量池的前面需要放一个类型为u2的数据，代表常量池的容量。上面例子中constant_pool_count存放了十六进制数0x001B，即十进制27，代表常量池有（27-1 = 26）个常量，索引值范围是1~26。

• 常量池中主要存放两大类常量：字面量（Literal）和符号引用（Symbolic References）。字面量类似于Java语言的文本或final常量值。符号引用包括：类和接口的全限定名、字段的名称和描述符以及方法的名称和描述符。
• 常量池是最繁琐的数据，其中每一项常量都是一个表，除了第一位是一个u1类型的标志位（tag）以外，每一项常量均有各自的结构。如图是常量池的项目类型。

• 常量池每一项数据类型依靠标志位（tag）来区分。知道了常量池数据项的类型之后，就可以根据常量项的结构总表来查询常量项的具体信息。

我们再来看一个例子，从总体上直观感受一下常量池的结构。还是解析上面的GuoClass.class类文件，图中红框1圈出来的是常量池的第一位的数据项，对应的是红框2圈出来的部分，它的数据类型是CONSTANT_Methodref_info，通过上图我们知道：

CONSTANT_Methodref_info的第一部分是一个u1类型的标志位（tag），红框1中的0x0A，即十进制10，正好对应标志位（tag）的枚举值CONSTANT_Methodref_info。

CONSTANT_Methodref_info的第二部分是一个u2类型的索引项，红框1中的0x0005，即十进制5，正好对应红框3中的cp_info#5。

CONSTANT_Methodref_info的第三部分是一个u2类型的索引项，红框1中的0x0017，即十进制23，正好对应红框3中的cp_info#23。

访问标志

如果你能看到这里，说明你已经跨过了学习Class文件格式最困难的部分，坚持下去一定会有收获！

紧接着常量池的是访问标志（access_flags），它用于识别类或接口层次的访问信息，比如这个Class是类还是接口；是否为public类型；有没有abstract修饰；有没有final关键字等等。具体标志位如图所示：

以GuoClass这个类为例，它是一个普通的Java类，不是接口、枚举或者注解，public类型，没有final和abstract关键字修饰，所以它的ACC_PUBLIC、ACC_SUPER标志应当为真，其他的标志位应该为假，所以它的access_flags的值应为：0x0001 | 0x0020=0x0021。从它的十六进制图可以看出，我们的结果是正确的。

类索引、父类索引与接口索引集合

类索引、父类索引和接口索引集合都按顺序排列在访问标志之后。

• 类索引（this_class），u2类型数据，用于确定类的全限定名。
• 父类索引（super_class），u2类型数据，用于确定类的父类的全限定名。由于Java语言不允许多重继承，因此父类索引只能有一个。除了java.lang.Object之外，所有的Java类都有父类，所以除了java.lang.Object之外，所有的Java类的父类索引都不为0。
• 接口索引集合（interfaces），一组u2类型数据，用来描述这个类实现的接口。也就是这个类按implements语句后的接口顺序排列的集合。如果当前类是一个接口，则应当是extends语句后的接口。

类索引、父类索引和接口索引的查找过程是一样的，都是用u2类型的索引值表示，指向一个CONSTANT_Class_info类型的类描述符常量，再通过CONSTANT_Class_info类型的常量中的索引值找到CONSTANT_Utf8_info类型的全限定名字符串。

以GuoClass这个类为例，在access_flags之后的两个字节是this_class，这个u2类型的数据项用十六进制表示为0x0004，它指向常量池中第4个类型为CONSTANT_Class_info的常量，再根据此常量里的索引值找到常量池中第25个位置保存的CONSTANT_Utf8_info类型的字符串，这个字符串就是我们需要找的全限定名“com/examples/test/GuoClass”。

在this_class之后，即0x0004后面的四个字节，0x0005和0x0000分别表示super_class和interfaces集合的入口。super_class和this_class的查找过程一摸一样，而由于GuoClass没有实现的接口，所以它的入口值是0x0000，即常量池的0位置，这也是前文提到过的为什么常量池从1开始计数的原因。0在不引用常量值的时候使用。

字段表集合

前文已经介绍了Class文件里的常量池、访问标志和继承关系（类索引、父类索引、接口索引集合），那么在一个Java类的还剩下什么信息没有介绍呢？对！这一部分我们介绍类的字段。

字段（field）包括类变量和实例变量，但不包括方法内部声明的局部变量。字段数据项的类型是字段表（field_info），它用于描述接口或类中声明的变量。

字段表（field_info）结构

想象一下在Java里描述一个字段需要包含哪些信息？

• 字段的作用域（public、private、protected）
• 实例变量还是类变量（static）
• 可变性（final）
• 并发可见性（volatile）
• 可否被序列化（transient）
• 字段数据类型（基本类型、对象、数组）
• 字段名称

字段表结构如图所示：

字段表的access_flags

字段表里的access_flags与类中的access_flags非常相似，它们都是u2类型，且都是访问标志。

除了字段数据类型和字段名称，其他的信息都是修饰符，都可以用布尔值来表示是否有某一个修饰符。字段访问标志位如图所示：

显然，ACC_PUBLIC、ACC_PRIVATE、ACC_PROTECTED只能三选一；ACC_FINAL、ACC_VOLATILE只能二选一；接口中的字段必须有ACC_PUBLIC、ACC_STATIC、ACC_FINAL标志。

以GuoClass为例，紧随上文中接口索引入口0x0000的是0x0001和0x0002。0x0001是字段表前面的fields_count数据项，fields_count用来对字段的数量计数，因为GuoClass只有一个int类型的字段money，所以fields_count作为一个u2类型的数据项，保存了两个字节，用十六进制表示数字1就是0x0001。紧随fields_count之后的就是字段表的access_flags数据项，它的值是0x0002，因为money字段是用private修饰的，所以对应的就是ACC_PRIVATE标志。

字段表的name_index和descriptor_index

紧接着access_flags标志的是两个索引值：name_index和descriptor_index。

name_index代表字段的简单名称，如果是在方法表里代表的是方法的简单名称。例如，make()方法的简单名称是“make”，money字段的简单名称是“money”。

descriptor_index代表字段或方法的描述符。描述符是用来描述字段的数据类型、方法的参数列表和返回值。描述符的标识字符如图所示：

当使用描述符描述数组类型时，使用一个前置的“[”，例如，一个整型数组可以被表示为“[I”，一个字符串类型的二位数组可以表示为“[[Ljava/lang/String;”。

当使用描述符描述方法时，按照先参数列表，再返回值的顺序，参数列表按照参数顺序放在一对小括号“()”里。例如，

• 方法int make()的描述符为“()I”
• 方法java.lang.String toString()的描述符为“()Ljava/lang/String;”
• 方法int indexOf(char[]source,int sourceOffset,int sourceCount,char[]target,int targetOffset,int targetCount,int fromIndex)的描述符为“([CII[CIII)I”

以GuoClass为例，紧随access_flags的是name_index，如图十六进制0x0006；再来是descriptor_index，十六进制表示为0x0007。

我们可以把索引0x0006和0x0007在常量池中查找一下，0x0006保存的是一个CONSTANT_Utf8_info类型的字面量“money”，即字段的简单名称。

0x0007在常量池里保存为一个CONSTANT_Utf8_info类型的字面量“I”，即字段的描述符，表示money字段是int类型的。

至此，通过access_flags、name_index和descriptor_index查找到的信息，我们可以知道GuoClass里的字段信息是“private int money”。

descriptor_index之后还有一个属性表集合用于保存一些额外的信息。例如，"final static int money = 100000;" 会存在一项名称为ConstantValue的属性，其值指向常量100000。但是本例中的字段money没有额外信息，所以属性计算器为0。

方法表集合

方法表的内容基本上可以参照字段表的内容，因为它们的结构几乎一模一样都包括了访问标志（access_flags）、名称索引（name_index）、描述符索引（descriptor_index）、属性表集合（attributes）这几项。

方法表的access_flags

方法访问标志的取值如图所示。由于volatile和transient关键字不能修饰方法，所以在方法访问标志里去掉了ACC_VOLATILE和ACC_TRANSIENT。因为synchronized、abstract、native和strictfp关键字可以修饰方法，所以增加了ACC_SYNCHRONIZED、ACC_ABSTRACT、ACC_NATIVE和ACC_STRICTFP标志。

方法表里只不会保存有具体的代码信息，方法的java代码被编译器编译成字节码指令，保存在属性表集合的“Code”属性里。

public class GuoClass<T> {private int money;public int make() {return money + 1000000000;}
}

以GuoClass为例，方法表集合的第一个u2类型的数据是计数器容量，它的值为0x0002表示这个类文件有两个方法，其中一个显然就是代码中的make()方法，另外一个比较隐蔽，是实例的构造器方法，构造器方法是编译器自动添加的方法。构造器方法是public公有的，所以访问标志是ACC_PUBLIC，对应的十六进制数是0x0001。

方法表的name_index和descriptor_index

紧挨着构造器方法的访问标志位的是u2类型的方法名称索引，其值为0x0008，在常量池中我们可以查询到方法名称为""。

再往后是u2类型的方法描述符索引，其值为0x0009，在常量池中我们可以查询到方法描述为"()V"。前面我们已经提到过这个描述符的含义表示方法没有参数，并且返回空void。

属性表计数器的值为0x0001，表示属性表集合有一个属性。属性名称索引为0x000A，在常量池中查询到其值为“Code”，说明此属性是方法的字节码描述。

方法重载

在Java语言中，要重载一个方法，除了方法名要相同外，方法参数的个数或类型不能一样。但是在Class文件格式中，只要描述符不是完全一致的两个方法也可以共存，即如果两个方法具有相同的方法名，方法参数的个数和类型也一样，但返回值类型不同，这两个方法也是可以合法共存于同一个Class文件里的。