Java源码编译机制

Java源码编译机制

JVM规范中定义了class文件的格式，但并未定义Java源码如何编译为class文件，各厂商在实现JDK时通常会将符合Java语言规范的源码编译为class文件的编译器，例如在Sun JDK中就是javac，javac将Java源码编译为class文件的步骤如图3.2所示。

源码文件->分析和输入到符号表(Parse and Enter)->注解处理(Annotation Processing)->语义分析和生成class文件(Analyse and Generate)->class文件

1. 分析和输入到符号表（Parse and Enter）

Parse过程所做的为词法和语法分析。词法分析（com.sun.tools.javac.parser.Scanner）要完成的是将代码字符串转变为token序列（例如Token.EQ(name:=)）；语法分析（com.sun.tools.javac.parser.Parser）要完成的是根据语法由token序列生成抽象语法树 。

Enter（com.sun.tools.javac.comp.Enter）过程为将符号输入到符号表，通常包括确定类的超类型和接口、根据需要添加默认构造器、将类中出现的符号输入类自身的符号表中等。

2. 注解处理（Annotation Processing）

该步骤主要用于处理用户自定义的annotation，可能带来的好处是基于annotation来生成附加的代码或进行一些特殊的检查，从而节省一些共用的代码的编写，例如当采用Lombok 时，可编写如下代码：

public class User{  
    private @Getter String username;  
} 

编译时引入Lombok对User.java进行编译后，再通过javap查看class文件可看到自动生成了public String getUsername()方法。

此功能基于JSR 269 ，在Sun JDK 6中提供了支持，在Annotation Processing进行后，再次进入Parse and Enter步骤。

3. 语义分析和生成class文件（Analyse and Generate）

Analyse步骤基于抽象语法树进行一系列的语义分析，包括将语法树中的名字、表达式等元素与变量、方法、类型等联系到一起；检查变量使用前是否已声明；推导泛型方法的类型参数；检查类型匹配性；进行常量折叠；检查所有语句都可到达；检查所有checked exception都被捕获或抛出；检查变量的确定性赋值（例如有返回值的方法必须确定有返回值）；检查变量的确定性不重复赋值（例如声明为final的变量等）；解除语法糖（消除if(false) {…} 形式的无用代码；将泛型Java转为普通Java；将含有语法糖的语法树改为含有简单语言结构的语法树，例如foreach循环、自动装箱/拆箱等）等。

在完成了语义分析后，开始生成class文件（com.sun.tools.javac.jvm.Gen），生成的步骤为：首先将实例成员初始化器收集到构造器中，将静态成员初始化器收集为()；接着将抽象语法树生成字节码，采用的方法为后序遍历语法树，并进行最后的少量代码转换（例如String相加转变为StringBuilder操作）；最后从符号表生成class文件。

上面简单介绍了基于javac如何将java源码编译为class文件 ，除javac外，还可通过ECJ（Eclipse Compiler for Java） 或Jikes 等编译器来将Java源码编译为class文件。

 

一个class文件包含了以下信息。

结构信息

包括class文件格式版本号及各部分的数量与大小的信息。

元数据

简单来说，可以认为元数据对应的就是Java源码中"声明"与"常量"的信息，主要有：类/继承的超类/实现的接口的声明信息、域（Field）与方法声明信息和常量池。

方法信息

简单来说，可以认为方法信息对应的就是Java源码中"语句"与"表达式"对应的信息，主要有：字节码、异常处理器表、求值栈与局部变量区大小、求值栈的类型记录、调试用符号信息。

以一段简单的代码来说明class文件格式。

public class Foo{  
    private static final int MAX_COUNT=1000;  
    private static int count=0;  
    public int bar() throws Exception{  
        if(++count >= MAX_COUNT){  
            count=0;  
            throw new Exception("count overflow");  
        }  
        return count;  
 
    }  
} 

执行javac -g Foo.java（加上-g是为了生成所有的调试信息，包括局部变量名及行号信息，在不加-g的情况下默认只生成行号信息）编译此源码，之后通过javap -c -s -l -verbose Foo来查看编译后的class文件，结合class文件格式来看其中的关键内容。

/ 类/继承的超类/实现的接口的声明信息  
public class Foo extends java.lang.Object  
  SourceFile: "Foo.java"  
  // class文件格式版本号，major version: 50表示
为jdk 6，49为jdk 5，48为jdk 1.4，只有高版本能执行
低版本的class文件，这也是jdk 5不能执行jdk 6编译的代码的原因。  
  minor version: 0  
  major version: 50  
 // 常量池，存放了所有的Field名称、方法名、方法签名、
类型名、代码及class文件中的常量值。  
  Constant pool:  
const #1 = Method   #7.#27; //  java/lang/Object."<init>":()V  
const #2 = Field    #6.#28; //  Foo.count:I  
const #3 = class    #29;    //  java/lang/Exception  
const #4 = String   #30;    //  count overflow  
const #5 = Method   #3.#31; //  java/lang/
Exception."<init>":(Ljava/lang/String;)V  
…  
const #34 = Asciz   (Ljava/lang/String;)V;  
{  
// 将符号输入到符号表时生成的默认构造器方法  
public Foo();  
  …  
// bar方法的元数据信息  
public int bar()   throws java.lang.Exception;  
  Signature: ()I  
  // 对应字节码的源码行号信息，可在编译的时候通过
-g:none去掉行号信息，行号信息对于查找问题而言至关重要，
因此最好还是保留。  
LineNumberTable:  
   line 9: 0  
   line 10: 15  
   line 11: 19  
   line 13: 29  
  // 局部变量信息，如生成的class文件中无局部变量信息，
则无法知道局部变量的名称，并且局部变量信息是和方法绑定的，
接口是没有方法体的，所以ASM之类的在获取接口方法时，
是拿不到方法中参数的信息的。  
LocalVariableTable:  
   Start  Length  Slot  Name   Signature  
   0      33      0    this       LFoo;  
 
  Code:  
   Stack=3, Locals=1, Args_size=1 
   // 方法对应的字节码  
0:  getstatic   #2; //Field count:I  
   ..  
   29:  getstatic   #2; //Field count:I  
   32:  ireturn  
      …  
  // 记录有分支的情况（对应代码中if..、for、while等），
在下一节"类加载机制"中会讲解这个的作用  
StackMapTable: number_of_entries = 1 
   frame_type = 29 /* same */  
 // 异常处理器表  
Exceptions:  
   throws java.lang.Exception  
..  
} 

从上可见，class文件是个完整的自描述文件，字节码在其中只占了很小的部分，源码编译为class文件后，即可放入jvm中执行。执行时jvm首先要做的是装载class文件，这个机制通常称为类加载机制。