dalvik字节码初识

最近在看《深入理解Android： Java虚拟机ART》，说实话，这本书的内容还是很深的，对于我来说就像一个小学生在做初中的数学题一样。在看第三章深入理解Dex文件格式的时候，其中最后一部分讲“指令码描述规则”，没有看懂（怪自己水平太低），最后通过我的不懈努力，终于看懂了，下面记录一下这个过程，希望对后面的新手有所帮助。

要想将这部分内容讲懂，那肯定要结合具体的例子，下面就通过最简单的一个例子来讲解这个过程：

从.java到.class

首先我们先贴出一段在《深入理解java虚拟机》这本书中经常用到的java代码：

public class TestClass {
    private int m;

    public int inc() {
        return m + 1;
    }

}

然后我们通过javac编译成.class文件

javac TestClass

编译完成后，会在当前目录生成TestClass.class文件。

从.class到.dex

在android运行时环境中，需要将.class文件进行翻译、重构、解释、压缩等操作生成.dex文件，这个时候需要借助工具dx.bat，这个工具位于sdk根目录/build-tools/任意版本里面，例如我的是在E:\Java\Sdk\build-tools\28.0.3下面（比如你是用的是cmd命令，需要切换至该目录下）。通过如下命令将.class文件编译成.dex文件：

dx --dex --output=TestClass.dex TestClass.class
注意：这个命令中TestClass.class文件需要放置在当前目录下

执行完成后，我们会在当前目录下看到TestClass.dex文件。接下来我们需要通过dexdump工具来反编译TestClass.dex文件（注：dexdump工具和javap工具作用类似，只是javap是反编译的.class文件）

dexdump -d TestClass.dex

执行结果如下

Processing 'TestClass.dex'...
Opened 'TestClass.dex', DEX version '035'
Class #0            -
  Class descriptor  : 'LTestClass;'
  Access flags      : 0x0001 (PUBLIC)
  Superclass        : 'Ljava/lang/Object;'
  Interfaces        -
  Static fields     -
  Instance fields   -
    #0              : (in LTestClass;)
      name          : 'm'
      type          : 'I'
      access        : 0x0002 (PRIVATE)
  Direct methods    -
    #0              : (in LTestClass;)
      name          : '<init>'
      type          : '()V'
      access        : 0x10001 (PUBLIC CONSTRUCTOR)
      code          -
      registers     : 1
      ins           : 1
      outs          : 1
      insns size    : 4 16-bit code units
0000f8:                                        |[0000f8] TestClass.<init>:()V
000108: 7010 0200 0000                         |0000: invoke-direct {v0}, Ljava/lang/Object;.<init>:()V // method@0002
00010e: 0e00                                   |0003: return-void
      catches       : (none)
      positions     :
        0x0000 line=1
      locals        :
        0x0000 - 0x0004 reg=0 this LTestClass;

  Virtual methods   -
    #0              : (in LTestClass;)
      name          : 'inc'
      type          : '()I'
      access        : 0x0001 (PUBLIC)
      code          -
      registers     : 2
      ins           : 1
      outs          : 0
      insns size    : 5 16-bit code units
000110:                                        |[000110] TestClass.inc:()I
000120: 5210 0000                              |0000: iget v0, v1, LTestClass;.m:I // field@0000
000124: d800 0001                              |0002: add-int/lit8 v0, v0, #int 1 // #01
000128: 0f00                                   |0004: return v0
      catches       : (none)
      positions     :
        0x0000 line=5
      locals        :
        0x0000 - 0x0005 reg=1 this LTestClass;

  source_file_idx   : 4 (TestClass.java)

到这，我们终于拿到了反编译的dex文件了，下面我们就可以结合具体的内容来讲今天的重点字节码格式了，开心 ?:

dalvik字节码格式介绍

我们就只介绍 000124： 处指令码该如何解析。

我们看到此处的指令码为d800 0001。 看到这个指令的第一个问题肯定是这个是怎么来的（如何生成的）只有搞明白如何来的才能去分析它。

首先我们看如下箭头指示

这不就是我们在java代码中写的inc()方法吗，但是这个方法在dex文件中的表示涉及到官方文档中文件板式，所以我们需要简单的介绍一下dalvik的文版样式（这里我只简单介绍这个inc()方法是怎么来的，感兴趣的同学可以去看官方文档）：

首先我们看一下文版样式中class_defs，class_def里面记录了类中的信息

名称	格式	说明
class_defs	class+def_item[]	类定义列表。这些类必须进行排序，以便所指定类的超类和已实现的接口比引用类更早出现在该列表中。此外，对于在该列表中多次出现的同类名，其定义是无效的

下面我们看一下class_def_item中的class_data_off：

名称	格式	说明
class_data_off	unit	从文件开头到此项的关联类数据的偏移量；如果此类没有类数据，则该值为 0（这种情况有可能出现，例如，如果此类是标记接口）。该偏移量（如果为非零值）应该位于 data 区段，且其中的数据应采用下文中“class_data_item”指定的格式，同时所有项将此类作为定义符进行引用。

接下来我们看一下class_data_item中的两个方法direct_methods和virtual_methods:

名称	格式	说明
direct_methods	encoded_method[direct_methods_size]	定义的直接（static、private 或构造函数的任何一个）方法；以一系列编码元素的形式表示。这些方法必须按 method_idx 以升序进行排序。
virtual_methods	encoded_method[virtual_methods_size]	定义的虚拟（非 static、private 或构造函数）方法；以一系列编码元素的形式表示。此列表不得包括继承方法，除非被此项所表示的类覆盖。这些方法必须按 method_idx 以升序进行排序。虚拟方法的 method_idx 不得与任何直接方法相同。

从这两个说明中我们能够知道，direct_methods定义的是（static、private或构造方法），virtual_methods定义的是虚拟（非static、private或构造函数）方法。所以我们定义的inc()方法应该是在encoded_method[virtual_methods_size]中指定，然后我们看一下encoded_method:

名称	格式	说明
code_off	uleb128	从文件开头到此方法代码结构的偏移量；如果此方法是 abstract 或 native，则该值为 0。该偏移量应该是到 data 区段中某个位置的偏移量。数据格式由下文的“code_item”指定。

这里要说一下uleb128，这个是无符号leb128(“Little-Endian Base 128”)，表示无符号整数的可变长度编码。而little-endian表示小端字节序（即低位在前，高位在后）
然后我们看一下说明中指的code_item

名称	格式	说明
insns	ushort[insns_size]	字节码的实际数组。insns 数组中代码的格式由随附文档 Dalvik 字节码指定。请注意，尽管此项被定义为 ushort 的数组，但仍有一些内部结构倾向于采用四字节对齐方式。此外，如果此项恰好位于某个字节序交换文件中，则交换操作将只在单个 ushort 上进行，而不是在较大的内部结构上进行。

ushort：表示16位无符号整数，采用小端字节序。
看说明我们可知，上面所说的指令码d800 0001就是这里的ushort类型的数据，表示两个字节。
至此，我们终于说完了指令码d800 0001的由来（详细的说明需要结合官方文档来看），下面我们就可以分析这个字节码的含义了，哈哈，开心 （ ？：）

解析指令码

前面我们已经介绍了指令码d800 0001的由来以及它的ushort类型，现在我们就可以进行解析了。

这里的解析我们需要结合Dalvik可执行指令格式中关于按位描述的内容进行，首先我们看官方文档按位描述中的一个例子

这里直接拿例子来说：
“B|A|op CCCC”格式表示其包含两个 16 位代码单元。第一个字由低 8 位中的操作码和高 8 位中的两个四位值组成；第二个字由单个 16 位值组成

然后我们将d800 0001来与之对应：

首先来看d800，它由d8和00两个字节构成，根据little-endian字节序，我们知道d8表示低8位，00表示高8位。而由上面按位描述的例子可知，低八位表示操作码。高八位表示参数

既然我们知道了操作码是d8，那么我们如何去查找操作码对应的内容了，这个我当时也是看了好长时间也没看明白，最后终于在字节码集合中找到了操作码的位置，在这个表格中，运算和格式标签中的运算就是我们要找的操作码，如图：

然后我们找到d8这个操作码，

运算和格式	助记符/语法	参数	说明
d8 22b	binop/lit8 vAA,vBB, #+CC add-int/lit8	A:目标寄存器（8位） B:源寄存器（8位） C:有符号整数常量（8位）	对指定的寄存器(第一个参数)和字面值(第二个参数)执行指定的二元运算，并将结果存储到目标寄存器中

这里我们先不讨论具体的语法命令，我们先看运算和格式表格中的格式22b，这个在哪里能找到了，就在格式说明中的ID，然后我们找到22b这个ID,如下表：

格式	ID	语法	包含的重要操作码
AA|op CC|BB	22b	op vAA,vBB,#+CC

现在我们看到了格式AA|op CC|BB，让我们将指令码d800 0001与这个格式相对应，即AA表示d800中的高八位00，op表示d800中的低八位d8; CC|BB 即表示01|00。

至此，我们终于了解了d800 0001所代表的含义以及在官方文档中表格的对应关系。

延伸

有的读者可能想了解指令码d800 0001对应的具体操作，由于不是本章重点，所以这里只简单提一下，d8:add-int/lit8指令根据描述其实就是执行+这个二目运算，然后根据说明中的内容：对指定寄存器(第一个参数这里为0)和字面量(第二个参数这里是1)执行指定的二元运算，并将结果存储到目标寄存器中。(具体的vX，#+X所代表的含义参考语法)。

参考文献

-Android Dalvik官方文档

-Dalvik虚拟机字节码和指令集对照表

-《深入理解java虚拟机》