从字节码层面看“HelloWorld”
原文 https://www.cnblogs.com/paddix/p/5282004.html
一、HelloWorld 字节码生成
众所周知，Java 程序是在 JVM 上运行的，不过 JVM 运行的其实不是 Java 语言本身，而是 Java 程序编译成的字节码文件。可能一开始 JVM 是为 Java 语言服务的，不过随着编译技术和 JVM 自身的不断发展和成熟，JVM 已经不仅仅只运行 Java 程序。任何能编译成为符合 JVM 字节码规范的语言都可以在 JVM 上运行，比较常见的 Scala、Groove、JRuby等。今天，我就从大家最熟悉的程序“HelloWorld”程序入手，分析整个 Class 文件的结构。虽然这个程序比较简单，但是基本上包含了字节码规范中的所有内容，因此即使以后要分析更复杂的程序，那也只是“量”上的变化，本质上没有区别。
我们先直观的看下源码与字节码之间的对应关系：
HelloWorld的源码：
|
1
2
3
4
5
6
7
|
package com.paddx.test.asm;public class HelloWorld { public static void main(String[] args) { System.out.println("Hello,World!"); }} |
编译器采用JDK 1.7：
|
1
2
3
4
5
6
7
8
|
<plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <configuration> <source>1.7</source> <target>1.7</target> </configuration> </plugin> |
编译以后的字节码文件（使用UltraEdit的16进制模式打开）：
红色框内的部分就是HelloWorld.class的内容，其他部分是UltraEdit自动生成的：红色框顶部的0~f代表列号，左边部分代表行号，右侧部分是二进制码对应的字符（utf-8编码）。
二、字节码解析
要弄明白 HelloWorld.java 和 HelloWorld.class 文件是如何对应的，我们必须对 JVM 的字节码规范有所了解。字节码文件的结构非常紧凑，没有任何冗余的信息，连分隔符都没有，它采用的是固定的文件结构和数据类型来实现对内容的分割的。字节码中包括两种数据类型：无符号数和表。无符号数又包括 u1，u2，u4，u8四种，分别代表1个字节、2个字节、4个字节和8个字节。而表结构则是由无符号数据组成的。
字节码文件的格式固定如下：
| type | descriptor |
| u4 | magic |
| u2 | minor_version |
| u2 | major_version |
| u2 | constant_pool_count |
| cp_info | constant_pool[cosntant_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] |
现在，我们就按这个格式对上述HelloWorld.class文件进行分析：
magic（u4）：CA FE BA BE ，代表该文件是一个字节码文件，我们平时区分文件类型都是通过后缀名来区分的，不过后缀名是可以随便修改的，所以仅靠后缀名不能真正区分一个文件的类型。区分文件类型的另个办法就是magic数字，JVM 就是通过 CA FE BA BE 来判断该文件是不是class文件。
minor_version（u2）：00 00，小版本号，因为我这里采用的1.7，所以小版本号为0.
major_version（u2）：00 33，大版本号，x033转换为十进制为51，下表是jdk 1.6 以后对应支持的 Class 文件版本号：
| 编译器版本 | -target参数 | 十六进制版本 | 十进制版本 |
| JDK 1.6.0_01 | 不带（默认 -target 1.6） | 00 00 00 32 | 50.0 |
| JDK 1.6.0_01 | -target 1.5 | 00 00 00 31 | 49.0 |
| JDK 1.6.0_01 | -target 1.4 -source 1.4 | 00 00 00 30 | 48.0 |
| JDK 1.7.0 | 不带（默认 -target 1.7） | 00 00 00 33 | 51.0 |
| JDK 1.7.0 | -target 1.6 | 00 00 00 32 | 50.0 |
| JDK 1.7.0 | -target 1.4 -source 1.4 | 00 00 00 30 | 48.0 |
| JDK 1.8.0 | 不带（默认 -target 1.8） | 00 00 00 34 | 52.0 |
constant_pool_count（u2）：00 22，常量池数量，转换为十进制后为34，这里需要注意的是，字节码的常量池是从1开始计数的，所以34表示为（34-1）=33项。
TAG（u1）：0A，常量池的数据类型是表，每一项的开始都有一个tag（u1），表示常量的类型，常量池的表的类型包括如下14种，这里A（10）表示CONSTANT_Methodref，代表方法引用。
| 常量类型 | 值 |
| CONSTANT_Utf8_info | 1 |
| CONSTANT_Integer_info | 3 |
| CONSTANT_Float_info | 4 |
| CONSTANT_Long_info | 5 |
| CONSTANT_Double_info | 6 |
| CONSTANT_Class_info | 7 |
| CONSTANT_String_info | 8 |
| CONSTANT_Fieldref_info | 9 |
| CONSTANT_Methodref_info | 10 |
| CONSTANT_InterfaceMethodref_info | 11 |
| CONSTANT_NameAndType_info | 12 |
| CONSTANT_MethodHandle_info | 15 |
| CONSTANT_MethodType_info | 16 |
| CONSTANT_InvokeDynamic_info | 18 |
每种常量类型对应表结构：
| 常量 | 项目 | 类型 | 描述 |
| CONSTANT_Utf8_info | tag | u1 | 1 |
| length | u2 | 字节数 | |
| bytes | u1 | utf-8编码的字符串 | |
| CONSTANT_Integer_info | tag | u1 | 3 |
| bytes | u4 | int值 | |
| CONSTANT_Float_info | tag | u4 | 4 |
| bytes | u1 | float值 | |
| CONSTANT_Long_info | tag | u1 | 5 |
| bytes | u8 | long值 | |
| CONSTANT_Double_info | tag | u1 | 6 |
| bytes | u8 | double值 | |
| CONSTANT_Class_info | tag | u1 | 7 |
| index | u2 | 指向全限定名常量项的索引 | |
| CONSTANT_String_info | tag | u1 | 8 |
| index | u2 | 指向字符串常量的索引 | |
| CONSTANT_Fieldref_info | tag | u1 | 9 |
| index | u2 | 指向声明字段的类或接口描述符CONSTANT_Class_info的索引值 | |
| index | u2 | 指向CONSTANT_NameAndType_info的索引值 | |
| CONSTANT_Methodref_info | tag | u1 | 10 |
| index | u2 | 指向声明方法的类描述符CONSTANT_Class_info的索引值 | |
| index | u2 | 指向CONSTANT_NameAndType_info的索引值 | |
| CONSTANT_InterfaceMethodref_info | tag | u1 | 11 |
| index | u2 | 指向声明方法的接口描述符CONSTANT_Class_info的索引值 | |
| index | u2 | 指向CONSTANT_NameAndType_info的索引值 | |
| CONSTANT_NameAndType_info | tag | u1 | 12 |
| index | u2 | 指向该字段或方法名称常量的索引值 | |
| index | u2 | 指向该字段或方法描述符常量的索引值 | |
| CONSTANT_MethodHandle_info | tag | u1 | 15 |
| reference_kind | u1 | 值必须1~9，它决定了方法句柄的的类型 | |
| reference_index | u2 | 对常量池的索引 | |
| CONSTANT_MethodType_info | tag | u1 | 16 |
| description_index | u2 | 对常量池中方法描述符的索引 | |
| CONSTANT_InvokeDynamic_info | tag | u1 | 18 |
| bootstap_method_attr_index | u2 | 对引导方法表的索引 | |
| name_and_type_index | u2 | 对CONSTANT_NameAndType_info的索引 |
CONSTANT_Methodref_info（u2）： 00 06，因为tag为A，代表一个方法引用表（CONSTANT_Methodref_info），所以第二项（u2）应该是指向常量池的位置，即常量池的第六项，表示一个CONSTANT_Class_info表的索引，用类似的方法往下分析，可以发现常量池的第六项如下，tag类型为07，查询上表可知道其即为CONSTANT_Class_info。
07之后的00 1B表示对常量池地27项（CONSTANT_Utf8_info）的引用，查看第27项如下图，即（java/lang/Object）：
CONSTANT_NameAndType_info（u2）：00 14,方法引用表的第三项（u2），常量池索引，指向第20项。
CONSTANT_Fieldref_info（u1）：tag为09。
.....
常量池的分析都类似，其他的分析由于篇幅问题就不在此一一讲述了。跳过常量池就到了访问标识（u2）：
JVM 对访问标示符的规范如下：
| Flag Name | Value | Remarks |
| ACC_PUBLIC | 0x0001 | pubilc |
| ACC_FINAL | 0x0010 | final |
| ACC_SUPER | 0x0020 | 用于兼容早期编译器，新编译器都设置该标记，以在使用 invokespecial指令时对子类方法做特定处理。 |
| ACC_INTERFACE | 0x0200 |
接口，同时需要设置：ACC_ABSTRACT。不可同时设置：ACC_FINAL、ACC_SUPER、ACC_ENUM |
| ACC_ABSTRACT | 0x0400 | 抽象类，无法实例化。不可与ACC_FINAL同时设置。 |
| ACC_SYNTHETIC | 0x1000 | synthetic，由编译器产生，不存在于源代码中。 |
| ACC_ANNOTATION | 0x2000 | 注解类型（annotation），需同时设置：ACC_INTERFACE、ACC_ABSTRACT |
| ACC_ENUM | 0x4000 | 枚举类型 |
这个表里面无法直接查询到0021这个值，原因是0021=0020+0001，即public+invokespecial指令，源码中的方法main是public的，而invokespecial是现在的版本都有的，所以值为0021。
接着往下是this_class（u2）：是指向constant pool的索引值，该值必须是CONSTANT_Class_info类型，值为00 05，即指向常量池中的第五项，第五项指向常量池中的第26项，即com/paddx/test/asm/HelloWorld：
super_class(u2)）：super_class是指向constant pool的索引值，该值必须是CONSTANT_Class_info类型，指定当前字节码定义的类或接口的直接父类。这里的取值为00 06，根据上面的分析，对应的指向的全限定性类名为java/lang/object，即当前类的父类为Object类。
interfaces_count（u2）：接口的数量，因为这里没有实现接口，所以值为 00 00。
interfaces[interfaces_count]：因为没有接口，所以就不存在interfces选项。
field_count：属性数量，00 00。
field_info：因为没有属性，所以不存在这个选项。
method_count：00 02，为什么会有两个方法呢？我们明明只写了一个方法，这是因为JVM 会自动生成一个 <init>的方法。
method_info：方法表，其结构如下：
| Type | Descriptor |
| u2 | access_flag |
| u2 | name_index |
| u2 | descriptor_index |
| u2 | attributes_count |
| attribute_info | attribute_info[attributes_count] |
HelloWorld.class文件中对应的数据：
access_flag（u2）: 00 01
name_index（u2）:00 07
descriptor_index（u2）:00 08
可以看看 07、08对应的常量池里面的值：
即 07 对应的是 <init>，08 对应的是()；
attributes_count:00 01，表示包含一个属性
attribute_info：属性表，该表的结构如下：
| Type | Descriptor |
| u2 | attribute_name_index |
| u4 | attribute_length |
| u1 | bytes |
attribute_name_index（u2）: 00 09，指向常量池中的索引。
attribute_length（u4）：00 00 00 2F，属性的长度47。
attribute_info:具体属性的分析与上面类似，大家可以对着JVM的规范自己尝试分析一下。
第一个方法结束后，接着进入第二个方法：
第二个方法的属性长度为x037，转换为十进制为55个字节。两个方法之后紧跟着的是attribute_count和attributes：
attribute_count（u2）:值为 00 01，即有一个属性。
attribute_name_index（u2）：指向常量池中的第十二项。
attribute_length（u4）：00 00 00 02，长度为2。
分析完毕！
三、基于字节码的操作：
通过对HelloWorld这个程序的字节码分析，我们应该能够比较清楚的认识到整个字节码的结构。那我们通过字节码，可以做些什么呢？其实通过字节码能做很多平时我们无法完成的工作。比如，在类加载之前添加某些操作或者直接动态的生成字节码，CGlib就是通过这种方式来实现动态代理的。现在，我们就来完成另一个版本的HelloWorld：
|
1
2
3
4
5
6
7
|
package com.paddx.test.asm;public class HelloWorld2 { public static void sayHello(){ }} |
我们有个空的方法 sayHello()，现在要实现调该方法的时候打印出“HelloWorld”，怎么处理？如果我们手动去修改字节码文件，将打印“HelloWorld”的代码插入到sayHello方法中，原理上肯定没问题，不过操作过程还是比较复杂的。Java 的最大优势就在于只要你能想到的功能，基本上就有第三方开源的库实现过。字节码操作的开源库也比较多，这里我就用 ASM 4.0来实现该功能：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
|
package com.paddx.test.asm;import org.objectweb.asm.*;import java.io.IOException;import java.lang.reflect.InvocationTargetException;public class AsmDemo extends ClassLoader{ public static void main(String[] args) throws IOException, IllegalAccessException, InstantiationException, InvocationTargetException { ClassReader classReader = new ClassReader("com.paddx.test.asm.HelloWorld2"); ClassWriter cw=new ClassWriter(ClassWriter.COMPUTE_MAXS); CustomVisitor myv=new CustomVisitor(Opcodes.ASM4,cw); classReader.accept(myv, 0); byte[] code=cw.toByteArray(); AsmDemo loader=new AsmDemo(); Class<?> appClass=loader.defineClass(null, code, 0,code.length); appClass.getMethods()[0].invoke(appClass.newInstance(), new Object[]{}); }}class CustomVisitor extends ClassVisitor implements Opcodes { public CustomVisitor(int api, ClassVisitor cv) { super(api, cv); } @Override public MethodVisitor visitMethod(int access, String name, String desc, String signature, String[] exceptions) { MethodVisitor mv = super.visitMethod(access, name, desc, signature, exceptions); if (name.equals("sayHello")) { mv.visitFieldInsn(GETSTATIC, "java/lang/System", "out", "Ljava/io/PrintStream;"); mv.visitLdcInsn("HelloWorld!"); mv.visitMethodInsn(INVOKEVIRTUAL, "java/io/PrintStream", "println", "(Ljava/lang/String;)V"); } return mv; }} |
运行结果如下：
关于 ASM 4的操作在这就不细说了。有兴趣的朋友可以自己去研究一下，有机会，我也可以再后续的博文中跟大家分享。
四、总结
本文通过HelloWorld这样一个大家都非常熟悉的例子，深入的分析了字节码文件的结构。利用这些特性，我们可以完成一些相对高级的功能，如动态代理等。这些例子虽然都很简单，但是“麻雀虽小五脏俱全”，即使再复杂的程序也逃离不了这些最基本的东西。技术层面的东西就是这样子，只要你能了解一个简单的程序的原理，举一反三，就能很容易的理解更复杂的程序，这就是技术“易”的方面。同时，反过来说，即使“HelloWorld”这样一个简单的程序，如果我们深入探究，也不一定能特别理解其原理，这就是技术“难”的方面。总之，技术这种东西只要你用心深入地去研究，总是能带给你意想不到的惊喜~
=============== End