|
看完这篇文章，你需要准备足够多的勇气，因为它像王大娘的裹脚一样又臭又长。 字节码是java源代码经编译后生成的二进制数据，通俗点说class文件中保存的就是字节码。 字节码处理也有很多成熟且越来越笨重的工具，比如说用得非常广泛的cglib，而cglib又用到了另一个成熟且越来越笨重的工具，这就是asm。 网上抄来抄去的关于aop的实现，都会提到cglib，但很少会去深究asm，更少会去深层次的剖析字节码。因此，我觉得有必要体现自己的2B之处，就是要通俗易懂的揭开字节码的面纱。 字节码是由字节组成的，1个字节就是一个byte（不是bit，1个byte有8个bit），说到字节码，这里得提一点：java中的byte是有符号的，也就是-128到127之间（包含），而实际上字节码中byte是无符号的，也就是0到255之间（包含），特别是字节码中经常有2个byte来表示数据长度的时候，一定要注意换算为无符号int型，因为长度不可能为负数。 下面开始分析字节码(class)文件的结构： 4个字节，每个字节码(class)文件的开头，都有4个字节组成的被称作“魔数（magic）”的东东，它们是固定值：[0xCA,0xFE,0xBA,0xBE]。 2个字节，组成一个整数，表示次版本号（minor version），如[0,0]转换int后是0。 2个字节，组成一个整数，表示主版本号（major version），如[0,45]转换int后是45。 2个字节，组成一个整数，表示常量池（constant pool）的大小，如[0,31]转换int后是31，表示后面会有一个31个元素的数组，姑且叫它数组吧，这个数组把后面经常会用到的一些常量按顺序放进来，后面需要用到的某个常量的时候，直接使用一个下标索引值，就指向了这个数组中的常量，这样做的目的在于减小文件的体积。 虽然定义了一个31个元素的数组，但是，后面的数据并不是从0下标开始填充的（这算一个坑吧），而是跳过0下标，从1下标开始填充，也就是说，sonstant_pool[0]只是纯粹打酱油的，后面如果谁指向了0，或者指向了大于30的下标，说明这个class是不符合要求的，或者解析错了吧。 常量池这个数组中的元素之间，是不需要额外的特殊字节来分隔的，它们一个挨一个，排列得非常紧凑。每一个元素的起始，都有1个字节的数字来表示自己是什么类型，类型只有以下这么几种，如果出现了其他数字，说明class有问题，或者解析有问题。 1代表1个字符串，这个字符串是utf-8编码的。(utf) 3代表1个int数。(int) 4代表1个float数。(float) 5代表1个long数。(long) 6代表1个double数。(double) 7代表1个class引用，其值也是1个数字，指向1个1类型的下标。(class_ref) 8代表1个string引用，其值也是1个数字，指向1个1类型的下标。(string_ref) 9代表1个成员变量引用，其中包含2个数字，一个指向1个7类型下标（类），另一个指向1个12类型的下标（成员变量）。(field_ref) 10代表1个方法引用，其中包含2个数字，一个指向1个7类型下标（类），另一个指向1个12类型的下标（方法）。(method_ref) 11代表1个接口方法引用，其中包含2个数字，一个指向1个7类型下标（类），另一个指向1个12类型的下标（方法）。(interface_method_ref) 12代表1个带描述的名称的引用，其中包含2个数字，一个指向1个1类型下标（名称），另一个指向1个1类型的下标（描述）。(name_and_type) 为什么没有boolean、byte、char、short？因为这几种类型都是按int类型存放的。 如果判断出这个元素是1类型(utf)，会紧跟着2个字节，表示这个字符串以utf-8编码后的字节的长度，根据这个长度，去读取后面的这么多字节，就将这个字符串取出来了。 如果判断出这个元素是3类型(int)，会紧跟着4个字节，表示这个int型的值。 如果判断出这个元素是4类型(float)，会紧跟着4个字节，表示这个float型的值。 如果判断出这个元素是5类型(long)，会紧跟着8个字节，表示这个long型的值，遇到这种情况的话，后面的元素不能填充到接下来的数组下标中，必须跳1格，这是网上所有的抄袭者都不会告诉你的（好大一个坑）。 如果判断出这个元素是6类型(double)，会紧跟着8个字节，表示这个double型的值，遇到这种情况的话，后面的元素不能填充到接下来的数组下标中，必须跳1格，这也是网上所有的抄袭者都不会告诉你的（这个和long一样，巨坑）。 如果判断出这个元素是7类型(class_ref)，会紧跟着2个字节，把这2个字节转换为int值，就得到了一个下标，拿这个下标到常量池里面去取，就是一个1类型的字符串，比如说当前类名、继承的父类名、实现的接口名等，都是这种形式。 如果判断出这个元素是8类型(string_ref)，会紧跟着2个字节，把这2个字节转换为int值，就得到了一个下标，拿这个下标到常量池里面去取，就是一个1类型的字符串，是不是有种脱了裤子放屁的感脚？ 如果判断出这个元素是9类型(field_ref)，会紧跟着2个字节，把这2个字节转换为int值，就得到了一个下标，拿这个下标到常量池里面去取，就是一个7类型，然后再拿这个7类型的值去取一个1类型的字符串，就得到了类名啦，还没完，后面还紧跟了2个字节，把这2个字节转换为int值，又得到一个下标，拿这个下标到常量池取回来一个12类型的我擦，再拿12类型的指向的下标去取，才能取回来属性名和描述，绕这么大一个弯是要作死的节奏啊。 如果判断出这个元素是10类型(method_ref)，和9雷同，只不过对应的是方法。 如果判断出这个元素是11类型(interface_method_ref)，和10雷同，只不过对应的是接口方法，谁这么设计，一定有他的道理。 如果判断出这个元素是12类型(name_and_type)，会紧跟着2个字节，把这2个字节转换为int值，就得到了一个下标，拿这个下标到常量池里面去取，就是一个1类型的字符串，就得到属性名或方法名了，然后紧跟着的2个字节，同样原理去找，找到一个1类型的字符串，就得到描述了。 把这些理解清楚了，再大的事都不是事了。 切记，常量池相当于一个数组，但这个数组中某些位置是空着的（挖的坑）。 常量池绕完了，就该进入正文了。 首先遇到的是2个字节，这2个字节学问大，代表了这个类的各种修饰符的组合，比如说public、abstract、final等等等等，我们并不需要知道每个值代表什么修饰符，因为有多少种组合，我们也不需要关心，我们可以用Modifier.isAbstract(这个值)来判断这个类是不是抽象类。 然后又是2个字节，这2个字节转换为int值，指向的是常量池中1个7类型(class_ref)的下标，再绕到1类型(utf)的时候，其实对应的就是这个类的名称，不过是用/分隔了包名，如test/Hello。 然后又是2个字节，这2个字节转换为int值，指向的是常量池中1个7类型(class_ref)的下标，再绕到1类型(utf)的时候，其实对应的就是这个类继承的父类的名称，不过是用/分隔了包名，如java/lang/Object，因为java是单继承嘛，所以这里连一点退路都没给，直接就只能是1个父类。 然后又是2个字节，为什么和2这么有缘呢？这2字节转换为int值，表示这个类直接实现的接口数量，如果为0，那么后面就跳过了，如果不是0，那么接下来就相当于来了一个接口的数组。 这个数组很简单，没有常量池那么多招数，每个元素都是2字节，这2字节转换为int值，指向的是常量池中1个7类型(class_ref)的下标，再绕到1类型(utf)的时候，其实对应的就是这个接口的名称，还是用/分隔了包名。 接口完了，就该是成员变量了。 首先，按理有2个字节，转换为int值，表示成员变量的数量。 到了成员变量内部，最开始会有2个字节，表示变量的修饰符，和类的修饰符一样的道理。 接着有2个字节，转换为int值，指向常量池中1类型(utf)的下标，取回来变量名称。 接着有2个字节，转换为int值，指向常量池中1类型(utf)的下标，取回来变量描述。 为什么不直接指向9类型(field_ref)？估计开发编译器的人脑壳也整晕了吧。 成员变量还会有一些属性（attribute），所以接下来又来一个数组，首当其冲的是2个字节，转换为int值，表示attribute数组的大小。 attribute数组也没有多大的坑，每个元素也是紧密挨着。 每个元素的开头都有2个字节，转换为int值，指向常量池，表示属性名称。 接下来有4个字节，转换为int值，表示属性的数据大小（紧跟着的字节数），然后就是属性的数据，因为属性也分很多种情况，像剥洋葱，一层一层剥进去，数据格式都大同小异，如果有需要你就读出来吧，没需要直接skip。 属性数组读完了，成员变量也就读完了。 接下来该是方法了，方法和成员变量如出一辙，先是2个字节表示方法的数量，然后一个挨一个的方法数据，没什么好说的，太细节的也就是属性(Attribute)，而属性又分很多种，不说个三天两夜也说不完。 方法完了，还有很多类的属性(Attribute)，也可以看作一个数组。 所以，按理，也有2个字节，转换为int值，表示类属性(Attribute)的数量。 有了数量，开始遍历，每个属性开头都有2个字节，转换为int值，指向常量池中1类型(utf)或7类型(class_ref)的下标，最终都能取出一个字符串值，包括SourceFile、InnerClasses等等。 紧跟着有4个字节，转换为int值，表示属性的数据大小（紧跟着的字节数），然后就是属性的数据。 根据属性名称的不同，分为不同的属性类型，每种属性类型占用的空间数量不等。 比如说SourceFile这种代表源代码，属性数据就只有2字节，这2字节转换为int值，执行常量池中1类型(utf)的下标，取回来一个字符串值，就是源代码文件的名称（不含路径），如Hello.java。 而InnerClasses则代表内部类，里面有多组数据，不仅指向自己的类名，如test/Hello$1.class、test/Hello$2.class，还指向自己所在外部类的类名，如test/Hello等，这里就不多说了，能看懂这篇文章的，细节的东西参考网上的资料，也能解析好了。 类的属性读完，整个class也就戛然而止，有点意犹未尽的感脚。 这篇文章主要说了字节码的主体结构和一些比较坑的地方，细节还需自行打磨，一步一步按照上面所述的思路，我相信你也能写代码将字节码解析出来，但是这一步解析，并不是一步到位反编译成源代码，更多的是了解字节码的机制，字节码已经了然于胸，还有什么事不能干？ 比如说扫描所有的class文件，通过解析字节码，获取该class实现了哪些接口，然后当我们看到某个接口的时候，能自动列出来这个接口有哪些实现类，这就是eclipse里Ctrl+T的功能。 反射也可以做这个事情，但是反射慢，反射还会触发类中静态代码块的执行，而很多时候我们不希望这些静态代码块这么早的被执行。 要做好字节码的解析，最重要的一步，就是把常量池给解析正确，否则，稍微有一点差错，就是失之毫厘谬以千里。 最后用一个简单的例子来分析： 源代码文件名：Hello.java 源代码： package test; public class Hello{ public void say(){ System.out.println("hello"); } } 解析(16进制数据 //备注)： CAFEBABE 魔数 0000 //次版本号 0 0032 //主版本号 50 001F //常量池大小 31 //下边是常量池，#代表下标 //#1 07 //类型7 0002 //指向#2 //#2 01 //类型1 000A //字符串长度：10 746573742F48656C6C6F //字符串：test/Hello //#3 07 //类型7 0004 //指向#4 //#4 01 //类型1 0010 //字符串长度：16 6A6176612F6C616E672F4F626A656374 //字符串：java/lang/Object //#5 01 //类型1 0006 //字符串长度：6 3C696E69743E //字符串：<init> //#6 01 //类型1 0003 //字符串长度：3 282956 //字符串：()V //#7 01 //类型1 0004 //字符串长度：4 436F6465 //字符串：Code //#8 0A //类型10 0003 //指向#3 0009 //指向#9 //#9 0C //类型12 0005 //指向#5 0006 //指向#6 //#10 01 //类型1 000F //字符串长度：15 4C696E654E756D6265725461626C65 //字符串：LineNumberTable //#11 01 //类型1 0012 //字符串长度：18 4C6F63616C5661726961626C655461626C65 //字符串：LocalVariableTable //#12 01 //类型1 0004 //字符串长度：4 74686973 //字符串：this //#13 01 //类型1 000C //字符串长度：12 4C746573742F48656C6C6F3B //字符串：Ltest/Hello; //#14 01 //类型1 0003 //字符串长度：3 736179 //字符串：say //#15 09 //类型9 0010 //指向#16 0012 //指向#16 //#16 07 //类型7 0011 //指向#17 //#17 01 //类型1 0010 //字符串长度：16 6A6176612F6C616E672F53797374656D //字符串：java/lang/System //#18 0C //类型12 0013 //指向#19 0014 //指向#20 //#19 01 //类型1 0003 //字符串长度：3 6F7574 //字符串：out //#20 01 //类型1 0015 //字符串长度：21 4C6A6176612F696F2F5072696E7453747265616D3B //字符串：Ljava/io/PrintStream; //#21 08 //类型8 0016 //指向#22 //#22 01 //类型1 0005 //字符串长度：5 68656C6C6F //字符串：hello //#23 0A //类型10 0018 //指向#24 001A //指向#26 //#24 07 //类型7 0019 //指向#25 //#25 01 //类型1 0013 //字符串长度：19 6A6176612F696F2F5072696E7453747265616D //字符串：java/io/PrintStream //#26 0C //类型12 001B //指向#27 001C //指向#28 //#27 01 //类型1 0007 //字符串长度：7 7072696E746C6E //字符串：println //#28 01 //类型1 0015 //字符串长度：21 284C6A6176612F6C616E672F537472696E673B2956 //字符串：(Ljava/lang/String;)V //#29 01 //类型1 000A //字符串长度：10 536F7572636546696C65 //字符串：SourceFile //#30 01 //类型1 000A //字符串长度：10 48656C6C6F2E6A617661 //字符串：Hello.java 0021 //类访问修饰符 0001 //本类指向#1 结果字符串：test/Hello 0003 //父类指向#：3 结果字符串：java/lang/Object 0000 //接口数量：0 0000 //成员变量数量：0 0002 //方法数量：2 //方法0 0001 //访问修饰符 0005 //方法名指向#5 结果字符串：<init> 0006 //方法描述指向#6 0001 //属性数量为：1 //属性0 0007 //属性名指向#7 实际字符串：Code 0000002F //属性数据长度：47 00010001000000052AB70008B100000002000A00000006000100000002000B0000000C000100000005000C000D0000 //属性数据略 //方法1 0001 //访问修饰符 000E //方法名指向#14 结果字符串：say 0006 //方法描述指向#6 0001 //属性数量为：1 //属性0 0007 //属性名指向#7 实际字符串：Code 00000037 //属性数据长度：55 0002000100000009B2000F1215B60017B100000002000A0000000A00020000000400080005000B0000000C000100000009000C000D0000 //属性数据略 0001 //类属性数量：1 //属性0 001D //属性名指向#29 实际字符串：SourceFile 00000002 //属性数据长度：2 001E //属性数据，指向#30 实际字符串：Hello.java //完毕。 最后说一句，你可以使用javap命令来校验你的解析是否正确，尤其是常量池的下标是否对应。 |
|
|
