最近在写一个私人项目，名字叫做SmallVM，SmallVM的目的在于通过实现一个轻量级的Java虚拟机，加深对Java虚拟机的认知和理解。在Java虚拟机加载类的过程中，需要对Class文件进行解析，我曾经单独实现过一个Java版的Class字节解析器ClassAnalyzer，相比于Java版，新版（Golang版）更加健壮，思路也更加清晰。本文即阐述我实现Class字节解析器的思路。
Class文件
作为类或者接口信息的载体，每个Class文件都完整的定义了一个类。为了使Java程序可以“编写一次，处处运行”，Java虚拟机规范对Class文件进行了严格的规定。构成Class文件的基本数据单位是字节，这些字节之间不存在任何分隔符，这使得整个Class文件中存储的内容几乎全部是程序运行的必要数据，单个字节无法表示的数据由多个连续的字节来表示。
根据Java虚拟机规范，Class文件采用一种类似于C语言结构体的伪结构来存储数据，这种伪结构中只有两种数据类型：无符号数和表。Java虚拟机规范定义了u1、u2、u4和u8来分别表示1个字节、2个字节、4个字节和8个字节的无符号数，无符号数可以用来描述数字、索引引用、数量值或者是字符串。表是由多个无符号数或者其它表作为数据项构成的复合数据类型，表用于描述有层次关系的复合结构的数据，因此整个Class文件本质上就是一张表。在ClassAnalyzer中u1、u2、u4和u8分别对应于byte、short、int和long，Class文件被描述为如下Java类。
public class ClassFile {
public U4 magic; // magic
public U2 minorVersion; // minor_version
public U2 majorVersion; // major_version
public U2 constantPoolCount; // constant_pool_count
public ConstantPoolInfo[] cpInfo; // cp_info
public U2 accessFlags; // access_flags
public U2 thisClass; // this_class
public U2 superClass; // super_class
public U2 interfacesCount; // interfaces_count
public U2[] interfaces; // interfaces
public U2 fieldsCount; // fields_count
public FieldInfo[] fields; // fields
public U2 methodsCount; // methods_count
public MethodInfo[] methods; // methods
public U2 attributesCount; // attributes_count
public BasicAttributeInfo[] attributes; // attributes
}如何解析
组成Class文件的各个数据项中，例如魔数、Class文件的版本、访问标志、类索引和父类索引等数据项，它们在每个Class文件中都占用固定数量的字节，在解析时只需要读取相应数量的字节。除此之外，需要灵活处理的主要包括4部分：常量池、字段表集合、方法表集合和属性表集合。字段和方法都可以具备自己的属性，Class本身也有相应的属性，因此，在解析字段表集合和方法表集合的同时也包含了属性表的解析。
常量池占据了Class文件很大一部分的数据，用于存储所有的常量信息，包括数字和字符串常量、类名、接口名、字段名和方法名等。Java虚拟机规范定义了多种常量类型，每一种常量类型都有自己的结构。常量池本身是一个表，在解析时有几点需要注意。
每个常量类型都通过一个
u1类型的tag来标识。表头给出的常量池大小（
constantPoolCount）比实际大1，例如，如果constantPoolCount等于47，那么常量池中有46项常量。常量池的索引范围从
1开始，例如，如果constantPoolCount等于47，那么常量池的索引范围为1~46。设计者将第0项空出来的目的是用于表达“不引用任何一个常量池项目”。如果一个
CONSTANT_Long_info或CONSTANT_Double_info结构的项在常量池中的索引为n，则常量池中下一个有效的项的索引为n+2，此时常量池中索引为n+1的项有效但必须被认为不可用。CONSTANT_Utf8_info型常量的结构中包含u1类型的tag、u2类型的length和由length个u1类型组成的bytes，这length字节的连续数据是一个使用MUTF-8（Modified UTF-8）编码的字符串。MUTF-8与UTF-8并不兼容，主要区别有两点：一是null字符会被编码成2字节（0xC0和0x80）；二是补充字符是按照UTF-16拆分为代理对分别编码的，相关细节可以看这里（变种UTF-8）。
属性表用于描述某些场景专有的信息，Class文件、字段表和方法表都有相应的属性表集合。Java虚拟机规范定义了多种属性，SmallVM目前实现了对常用属性的解析。和常量类型的数据项不同，属性并没有一个tag来标识属性的类型，但是每个属性都包含有一个u2类型的attribute_name_index，attribute_name_index指向常量池中的一个CONSTANT_Utf8_info类型的常量，该常量包含着属性的名称。在解析属性时，SmallVM正是通过attribute_name_index指向的常量对应的属性名称来得知属性的类型。
字段表用于描述类或者接口中声明的变量，字段包括类级变量以及实例级变量。字段表的结构包含一个u2类型的access_flags、一个u2类型的name_index、一个u2类型的descriptor_index、一个u2类型的attributes_count和attributes_count个attribute_info类型的attributes。我们已经介绍了属性表的解析，attributes的解析方式与属性表的解析方式一致。
Class的文件方法表采用了和字段表相同的存储格式，只是access_flags对应的含义有所不同。方法表包含着一个重要的属性：Code属性。Code属性存储了Java代码编译成的字节码指令，在ClassAnalyzer中，Code对应的Java类如下所示（仅列出了类属性）。
type Code struct {
pool []constantpool.ConstantInfo
attributeNameIndex uint16
attributeLength uint32
maxStack uint16
maxLocals uint16
codeLength uint32
code []byte
exceptionTableLength uint16
exceptionTable []ExceptionInfo
attributesCount uint16
attributes []AttributeInfo
}
type ExceptionInfo struct {
startPc uint16
endPc uint16
handlerPc uint16
catchType uint16
}在Code属性中，codeLength和code分别用于存储字节码长度和字节码指令，每条指令即一个字节（u1类型）。在虚拟机执行时，通过读取code中的一个个字节码，并将字节码翻译成相应的指令。另外，虽然codeLength是一个u4类型的值，但是实际上一个方法不允许超过65535条字节码指令。
代码实现
整个Class字节解析器的源码已放在了GitHub上，字节解析器仅仅是SmallVM的一个小模块，对应的目录为src/classfile。另外，可以参考ClassAnalyzer的README，我以一个类的Class文件为例，对该Class文件的每个字节进行了分析，希望对大家的理解有所帮助。
有疑问加站长微信联系（非本文作者）
