1. 概述
所谓”编译“，通俗来讲就是把我们写的代码“翻译“成机器可以读懂的机器码。而编译器就是做这个翻译工作的。
Java 技术中的编译器可以分为如下三类：
- 前端编译器：把 *.java 文件转变为 *.class 文件的过程。比如 JDK 的 Javac。
- 即时编译器：Just In Time Compiler，常称 JIT 编译器，在「运行期」把字节码转变为本地机器码的过程。比如 HotSpot VM 的 C1、C2 编译器，Graal 编译器。
- 提前编译器：Ahead Of Time Compiler，常称 AOT 编译器，直接把程序编译成与目标机器指令集相关的二进制代码的过程。比如 JDK 的 Jaotc，GNU Compiler for the Java。
其中后面两类都属于后端编译器。
本文主要分析前端编译器 Javac 的相关内容，后文再介绍后端编译器。
2. Javac 编译器
Javac 的编译过程大致可以分为 1 个准备过程和 3 个处理过程：
- 准备过程：初始化插入式注解处理器。
- 解析与填充符号表过程
- 词法、语法分析：将源码中的字符流转变为标记集合，构造抽象语法树
- 填充符号表：产生符号地址和符号信息
- 插入式注解处理器的注解处理过程
- 分析与字节码生成过程
- 标注检查：对语法的静态信息进行检查
- 数据流及控制流分析：对程序的动态运行过程进行检查
- 解语法糖：将简化代码编写的语法糖还原为原来的样子
- 字节码生成：将前面各个步骤所生成的信息转化为字节码
我们可以把上述处理过程对应到代码中， Javac编译动作的入口是 com.sun.tools.javac.main.JavaCompiler类， 上述3个过程的代码逻辑集中在这个类的compile()和compile2() 方法里， 其中主体代码如下图所示， 整个编译过程主要的处理由图中标注的8个方法来完成
2.1 解析与填充符号表
2.1.1 词法、语法分析
- 词法分析
将源码中的字符流转变为标记（Token）集合的过程。关键字、变量名、运算符等都可作为标记。比如下面一行代码：
int a = b + 2;
在字符流中，关键字 int 由三个字符组成，但它是一个独立的标记，不可再分。
该过程有点类似“分词”的过程。虽然这些代码我们一眼就能认出来，但编译器要逐个分析过之后才能知道。
- 语法分析
根据上面的标记序列构造抽象语法树的过程。
抽象语法树（Abstract Syntax Tree，AST）是一种用来描述程序代码语法结构的树形表示方法，每个节点都代表程序代码中的一个语法结构（Syntax Construct），比如包、类型、修饰符等。
通俗来讲，词法分析就是对源码文件做分词，语法分析就是检查源码文件是否符合 Java 语法。
2.1.2 填充符号表
符号表（Symbol Table）是一种数据结构，它由一组符号地址和符号信息组成（类似“键-值”对的形式）。
符号由抽象类 com.sun.tools.javac.code.Symbol 表示，Symbol 类有多种扩展类型的符号，比如 ClassSymbol 表示类、MethodSymbol 表示方法等。
符号表记录的信息在编译的不同阶段都要用到，如：
- 用于语义检查和产生中间代码；
- 在目标代码生成阶段，符号表是对符号名进行地址分配的依据。
这个阶段主要是根据上一步生成的抽象语法树列表完成符号填充，返回填充了类中所有符号的抽象语法树列表。
2.2 注解处理器
JDK 5 提供了注解（Annotations）支持，JDK 6 提供了“插入式注解处理器”，可以在「编译期」对代码中的特定注解进行处理，从而影响前端编译器的工作过程。
比如效率工具 Lombok 就是在这个阶段进行处理的。示例代码：
import lombok.Getter; @Getter public class Person { private String name; private Integer age; }
该代码编译后：
public class Person { private String name; private Integer age; public Person() { } public String getName() { return this.name; } public Integer getAge() { return this.age; } }
其中两个 getter 方法就是 @Getter 注解在这个阶段产生的效果（具体实现原理网上可以找到相关内容）。
2.3 语义分析与字节码生成
抽象语法树能表示一个结构正确的源程序，但无法保证语义是否符合逻辑。
而语义分析就对语法正确的源程序结合上下文进行相关性质的检查（类型检查、控制流检查等）。比如：
int a = 1; boolean b = false; // 这样赋值显然是错误的 // 但在语法上是没问题的，这个错误是在语义分析时检查的 int c = a + b;
Javac 在编译过程中，语义分析过程可分为标注检查和数据及控制流分析两个步骤。
2.3.1 标注检查
检查内容：变量使用前是否已被声明、变量与赋值之间的数据类型是否匹配等。
- 常量折叠
该过程中，还会进行一个常量折叠（Constant Folding）的代码优化。
比如，我们在代码中定义如下：
int a = 1 + 2;
在抽象语法树上仍能看到字面量 "1"、"2" 和操作符 "+"，但经过常量折叠优化后，在语法树上将会被标注为 "3"。
2.3.2 数据及控制流分析
主要检查内容：
- 局部变量使用前是否赋值
- 方法的每条路径是否有返回值
- 受检查异常是否被正确处理等
2.3.3 解语法糖
语法糖（Syntactic Sugar）：也称糖衣语法，指的是在计算机语言中添加某种语法，该语法对语言的编译结果和功能并没有实际影响，却能更方便程序猿使用该语言。
Java 中常见的语法糖有泛型、变长参数、自动装箱拆箱等。
JVM 其实并不支持这些语法，它们在编译阶段要被还原成原始的基础语法结构。该过程就称为解语法糖。
2.3.4 字节码生成
Javac 编译过程的最后一个阶段。主要是把前面各个步骤生成的信息转换为字节码指令写入磁盘中。
此外，编译器还进行了少量的代码添加和转换工作。比如实例构造器 <init>() 和类构造器 <clinit>() 方法就是在这个阶段被添加到语法树的。
还有一些代码替换工作，例如将字符串的 "+" 操作替换为 StringBuilder（JDK 5 及以后）或 StringBuffer（JDK 5 之前） 的 append() 操作。
3. Java 语法糖
3.1 泛型
泛型这个概念大家应该都不陌生，Java 是从 5.0 开始支持泛型的。
由于历史原因，Java 使用的是“类型擦除式泛型（Type Erasure Generics）”，也就是泛型只会在源码中存在，编译后的字节码文件中，全部泛型会被替换为原先的裸类型（Raw Type）。
因此，在运行期间 List<String> 和 List<Integer> 其实是同一个类型。例如：
public class GenericTest { public static void main(String[] args) { List<Integer> l1 = new ArrayList<>(); l1.add(1); List<String> l2 = new ArrayList<>(); l2.add("2"); } }
经编译器擦除类型后：
public class GenericTest { public GenericTest() { } public static void main(String[] var0) { // 原先的泛型都没了 ArrayList var1 = new ArrayList(); var1.add(1); ArrayList var2 = new ArrayList(); var2.add("2"); } }
类型擦除是有缺点的，比如：
- 由于类型擦除，会将泛型的类型转为 Object，但是 int、long 等原始数据类型无法与 Object 互转，这就导致了泛型不能支持原始数据类型。进而引起了使用包装类（Integer、Long 等）带来的拆箱、装箱问题。
- 运行期无法获取泛型信息。
3.2 自动装箱、拆箱与遍历
- 遍历代码示例
public class GenericTest { public static void main(String[] args) { List<String> list = Arrays.asList("hello", "world"); for (String s : list) { System.out.println(s); } } }
反编译版本 1：
public class GenericTest { public GenericTest() { } public static void main(String[] args) { List<String> list = Arrays.asList("hello", "world"); // 使用了迭代器 Iterator 遍历 Iterator var2 = list.iterator(); while(var2.hasNext()) { String s = (String)var2.next(); System.out.println(s); } } }
反编译版本 2：
public class GenericTest { public static void main(String[] args) { // 创建一个数组 List<String> list = Arrays.asList(new String[]{ "hello", "world" }); for (String s : list) System.out.println(s); } }
不同的反编译器得出的结果可能有所不同，这里找了两个版本对比分析。
从上面两个版本的反编译结果可以看出：Arrays.asList() 方法其实创建了一个数组，而增强 for 循环实际调用了迭代器 Iterator。
- 自动拆装箱代码示例
public class GenericTest { public static void main(String[] args) { Integer a = 1; Integer b = 2; Integer c = 3; Integer d = 3; Integer e = 321; Integer f = 321; Long g = 3L; System.out.println(c == d); System.out.println(e == f); System.out.println(c == (a + b)); System.out.println(c.equals(a + b)); System.out.println(g == (a + b)); System.out.println(g.equals(a + b)); } }
类似代码估计大家都见过，毕竟有些面试题就喜欢这么搞，这些语句的输出结果是什么呢？
我们先看反编译后的代码：
public class GenericTest { public static void main(String[] args) { Integer a = Integer.valueOf(1); Integer b = Integer.valueOf(2); Integer c = Integer.valueOf(3); Integer d = Integer.valueOf(3); Integer e = Integer.valueOf(321); Integer f = Integer.valueOf(321); Long g = Long.valueOf(3L); System.out.println((c == d)); // t System.out.println((e == f)); // f System.out.println((c.intValue() == a.intValue() + b.intValue())); //t System.out.println(c.equals(Integer.valueOf(a.intValue() + b.intValue()))); // t System.out.println((g.longValue() == (a.intValue() + b.intValue()))); // t System.out.println(g.equals(Integer.valueOf(a.intValue() + b.intValue()))); // f } }
可以看到，编译器对上述代码做了自动拆装箱的操作。其中值得注意的是：
- 包装类的 "==" 运算不遇到算术运算时，不会自动拆箱。
- equals() 方法不会处理数据转型。
此外，还有个值得玩味的地方：为何 c==d 是 true、而 e==f 是 false 呢？似乎也是个考点。
这就要查看 Integer 类的 valueOf() 方法的源码了：
static final int low = -128; public static Integer valueOf(int i) { if (i >= IntegerCache.low && i <= IntegerCache.high) return IntegerCache.cache[i + (-IntegerCache.low)]; return new Integer(i); } private static class IntegerCache { static final int low = -128; static final int high; static final Integer cache[]; static { // high value may be configured by property int h = 127; String integerCacheHighPropValue =sun.misc.VM.getSavedProperty("java.lang.Integer.IntegerCache.high"); if (integerCacheHighPropValue != null) { try { int i = parseInt(integerCacheHighPropValue); i = Math.max(i, 127); // Maximum array size is Integer.MAX_VALUE h = Math.min(i, Integer.MAX_VALUE - (-low) -1); } catch( NumberFormatException nfe) { // If the property cannot be parsed into an int, ignore it. } } high = h; cache = new Integer[(high - low) + 1]; int j = low; for(int k = 0; k < cache.length; k++) cache[k] = new Integer(j++); // range [-128, 127] must be interned (JLS7 5.1.7) assert IntegerCache.high >= 127; } private IntegerCache() {} }
可以看到 Integer 内部使用了缓存 IntegerCache：其最小值为 -128，最大值默认是 127。因此，[-128, 127] 范围内的数字都会直接从缓存获取。
而且，该缓存的最大值是可以修改的，可以使用如下 VM 参数将其修改为 500：
-XX:AutoBoxCacheMax=500复制代码
增加该参数后，上述 e==f 也是 true 了。
