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 876 字,大约阅读时间需要 2 分钟。

十九、javap命令的使用

1、javap 的参数

通过反编译生成的字节码文件,我们可以深入了解java代码的工作机制。分析类文件结构可能太过复杂,除了使用第三方工具jclasslib外,oracle官方提供了javap工具。

javap是JDK自带的反解析工具,其主要作用是根据class字节码文件反解析出类对应的代码区、局部变量表、异常表等信息。

通过局部变量表,可以查看局部变量的作用域范围、槽位信息以及槽位复用等细节。

2、javap 的用法

javap常用的选项包括 -l、-c、-v等。

  • javap -l 输出行号和本地变量表信息。

  • javap -c 反编译生成汇编代码。

  • javap -v 显示详细信息,包括行号、局部变量表和常量池内容。

以下示例展示了javap命令的使用场景。

① javap -public JavapTest.class 显示公共信息。

② javap -protected JavapTest.class 显示受保护信息和公共类成员。

③ javap -p (或-private) JavapTest.class 显示所有类和成员(大于private的).

④ javap -package JavapTest.class 显示程序包、受保护信息和公共类成员(默认).

⑤ javap -sysinfo JavapTest.class 显示系统信息,如类路径、大小、日期等。

⑥ javap -constants JavapTest.class 显示常量值,例如COUNTS的值。

字节码细节相关

  • -s 输出内部类型签名。
  • -l 输出行号和本地变量表。
  • -c 属于反汇编。
  • -v 输出详细信息,包含行号、本地变量表和反汇编内容。

组合使用这些选项可获取更全面的信息,例如使用java -v -p JavapTest.class

小结

javap命令可以反解析Java类文件,查看版本号、常量池、访问标识、变量表和代码行号等信息。通过分析字节码,可以理解Java代码的工作机制,涉及堆、栈和常量池等内存结构的操作。

转载地址:http://fpwaz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>