博客
关于我
JVM 学习笔记十九、javap命令的使用
阅读量:613 次
发布时间:2019-03-12

本文共 1109 字,大约阅读时间需要 3 分钟。

首图

十九、javap命令的使用

1、javap 的参数

image-20210507201823692

通过反编译生成的字节码文件,我们可以深入的了解java代码的工作机制。但是,自己分析类文件结构太麻烦了!除了使用第三方的jclasslib工具之外,oracle官方也提供了工具:javap。

javap是jdk自带的反解析工具。它的作用就是根据class字节码文件,反解析出当前类对应的code区 (字节码指令)、局部变量表、异常表和代码行偏移量映射表、常量池等信息。

通过局部变量表,我们可以查看局部变量的作用域范围、所在槽位等信息,甚至可以看到槽位复用等信息。

2、javap 的用法

一般常用的是-v -l -c三个选项。

  • javap -l 会输出行号和本地变量表信息。

  • javap -c 会对当前class字节码进行反编译生成汇编代码。

  • javap -v classxx除了包含一c内容外,还会输出行号、局部变量表信息、常量池等信息。

以如下代码为例来学习javap的使用方法

image-20210507202446355

javap -public JavapTest.class 显示公共信息

image-20210507202643233

javap -protected JavapTest.class 显示受保护的/公共类和成员

image-20210507202749379

javap -p(或-private) JavapTest.class 显示所有类和成员(大于private的)

image-20210507202919409

javap -package JavapTest.class 显示程序包/受保护的/公共类和成员(默认),非私有的信息

image-20210507203044607

javap -sysinfo JavapTest.class 显示正在处理的类的系统信息(路径,大小,日期,MD5 散列,源文件名)

image-20210507203239973

javap -constants JavapTest.class 与前面命令的主要区别,常量值会显示出来COUNTS = 1;

image-20210507203340849

字节码细节相关

  • -s 输出内部类型签名(描述符)

image-20210507204043618

  • -l 输出行号和本地变量表

image-20210507204127826

  • -c 对代码进行反汇编

image-20210507204251969

  • -v 或 -verbose 输出附加信息(包括行号、本地变量表、反汇编等详细信息),-v是最全的

image-20210507204347562

组合使用

-v 不包含私有信息,所以可以使用组合方式获取更全的信息 java -v -p JavapTest.class

image-20210507204503854

3、小结

  1. 通过javap命令可以查看一个java类反汇编得到的Class文件版本号、常量池、访问标识、变量表、指令代码行号表等等信息。不显示类索引、父类索引、接口索引集合、()、()等结构
  2. 通过对前面例子代码反汇编文件的简单分析,可以发现,一个方法的执行通常会涉及下面几块内存的操作:
    • java栈:局部变量表、操作数栈。
    • java堆:通过对象的地址引用去操作。
    • 常量池。

转载地址:http://fpwaz.baihongyu.com/

你可能感兴趣的文章
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>