问文字值是如何编码成字节码的？

EN

您的问题比字节码系统更广泛地适用于通用指令集体系结构、硬件或字节代码。

在编码文字值(其字节表示为可变长度)时，常见的做法是什么？

大约有六种合理的技术。

• 操作码告诉您操作码后面文字的字节数。这意味着通常有几个相同的操作码。请注意，操作码必须(以某种方式)编码操作操作的大小或类型(例如，push 32位int)，这可以与操作码后面的文字数据字节(通常称为即时)的大小/计数一起完成，也可以单独完成。如果这些不同(指令所描述的直接文字通常短于操作数的类型)，则根据操作码的定义(例如使用符号扩展)，将操作码后面的字节(S)从提供的直接文字的大小扩展到操作数类型的大小。
• 在操作码之后还有其他位，但是被认为是独立于操作码的，它们告诉文字(和/或(所有)操作数的格式)的大小。当指令集具有分组子操作码时，有时主要操作码以外的位指示各种操作数的内容。
• 最后一个变量是每个操作数都有自己的单独描述符(可能在文字之前分组)。这在具有多个操作数指令的CISC风格的寄存器机器(如VAX)中是典型的，例如addl3 (三个操作数加长)。
• 文本本身中有一些位可以判断文本中是否有更多的数据跟随；例如，每个字节中有一个可以用于指示更多的字节，这意味着每个文字字节产生7位，并告诉下一个字节是文字还是文字已经完成。这在一定程度上不利于(软件)解释性能，但硬件可以更好地解码这一点，这比天真的方法所显示的要好。如果您正在执行JIT而不是解释器，这可能会正常工作。
• 使用某种类型的间接，并将文字存储在其他地方。例如，Java/C#字节代码中的字符串就是这种情况。在Java中，push string操作码在常数表中使用索引。应用程序二进制接口通常为较大的常量(如字符串)或其他32位、64位或更大的blob常量指定一个机器寄存器或可访问的全局位置。
• 有时，文字可能足够大或足够复杂的位模式，需要使用多个指令来组装文字。一些体系结构提供了一个立即加载，它将其文字操作数放入寄存器(或堆栈)的高字节中。然后，常规添加立即用于引入文字的低位。这种情况有时出现在使用固定大小指令的体系结构中。

要推送的参数是可变字节数，因此虚拟机不知道每个参数需要读取多少字节。

通常，体系结构要求所有参数都是固定的字节数。

请注意，可能有多个PUSH变体，每个变体占用不同的字节数。因此，您可能有一个PUSHWORD，一个PUSHBYTE，一个PUSHSHORT和每一个将有一个独特的操作码。它们可能都被称为只是在程序集中推送，但是在参数中需要有足够的上下文(例如，指定16位寄存器而不是32位寄存器)来确定推送实际上是哪个唯一的操作码操作码。

生成的指令看起来会更像这样：

 PUSH3         3           PUSH2        2         ADD
  |            |             |          |          |    
|-----| |--------------|  |-----|  |----------| |-----|
b'\x03' b'\x00\x00\x00\'  b'\x02'  b'\x00\x00\' b'\x05'

请注意，推送指令是不同的，有不同的操作码。这也不限于推送，每个算术和逻辑操作都可能有多个操作码，因此您可以指定您是ADDing字节还是单词，还是XORing只是一个字节，还是整个单词。

字符串(或任何非原子数据结构，如数组、结构或列表)通常不作为直接(即指令的一部分)提供。相反，它们被存储在存储器中的单独位置，并通过存储器地址(该地址将具有固定的大小，因此可以作为指令的一部分提供)指向。

因此(假设字节码中碰巧有字符串打印指令)‘`PRNT“"Hello”不会是这样的：

PRNT               "Hello World"
 |                      |
|--| |------------------------------------------|
\x45 \x48\x65\x6c\x6c\x6f\x20\x57\x6f\x72\x6c\x64

相反，应该是这样的：

// data section
// This example assumes the string is loaded at address /xcafebeef.
// HWString is a label referring to that. The label is useful in
// assembly, but probably not needed in the actual bytecode.

HWString:     "Hello World"
                   |
|----------------------------------------------|
\x48\x65\x6c\x6c\x6f\x20\x57\x6f\x72\x6c\x64\x00  // null terminator, if you're a fan of C-style strings.

// later in the file

// text section
PRNT  HWString
 |        |
|--| |--------|
\x45 \xcafebeef

您可能想看看MIPS (32位)体系结构，在这个体系结构中，所有指令都是32位，并且所有指令都适合于一个三种格式。

Java是另一个例子。特别是bipush (b_yte _i_mmediate _push)和sipush (s_hort _i_mmediate _push)。前者只使用一个单字节操作数，后者总是一个两个字节操作数.

文字对象存储在字节码之外的数组中。然后，put字节码只对该数组进行索引。

一个Ruby例子，

$ ruby --dump insns -e '[nil,0,1,2,"str",/regexp/]'
== disasm: <RubyVM::InstructionSequence:<main>@-e>======================
0000 trace            1                                               (   1)
0002 putnil           
0003 putobject_OP_INT2FIX_O_0_C_ 
0004 putobject_OP_INT2FIX_O_1_C_ 
0005 putobject        2
0007 putstring        "str"
0009 putobject        /regexp/
0011 newarray         6
0013 leave            

如您所见，有不同的put字节码。

• 有些是1字节长，专门用于nil和公共数字，如0和1
• 另一些则有两个字节长，并在文字对象数组中包含一个索引。