Arrays 如何从包含二进制数据的字符串中提取模式
我的这个数组来自前面的Arrays 如何从包含二进制数据的字符串中提取模式,arrays,ruby,ascii,extraction,Arrays,Ruby,Ascii,Extraction,我的这个数组来自前面的a=array.unpack(“C*”)命令 a = [9, 32, 50, 53, 56, 53, 57, 9, 73, 78, 70, 79, 9, 73, 78, 70, 79, 53, 9, 32, 55, 52, 32, 50, 51, 32, 48, 51, 32, 57, 50, 32, 48, 48, 32, 48, 48, 32, 48, 48, 32, 69, 67, 32, 48, 50, 32, 49, 48, 32, 48,
a=array.unpack(“C*”)
命令
a = [9, 32, 50, 53, 56, 53, 57, 9, 73, 78, 70, 79, 9, 73, 78, 70, 79, 53, 9,
32, 55, 52, 32, 50, 51, 32, 48, 51, 32, 57, 50, 32, 48, 48, 32, 48, 48, 32,
48, 48, 32, 69, 67, 32, 48, 50, 32, 49, 48, 32, 48, 48, 32, 69, 50, 32, 48,
48, 32, 55, 55, 9, 0, 0, 0, 0, 1, 12, 1, 0, 0, 0, 57, 254, 70, 6, 1, 6, 0, 3,
0, 3, 198, 0, 2, 198, 31, 147, 23, 0, 226, 7, 12, 17, 18, 56, 55, 3, 101, 1,
1, 0, 134, 7, 145, 5, 148, 37, 150, 133, 241, 135, 5, 22, 109, 145, 53, 38,
171, 4, 3, 2, 6, 192, 173, 22, 160, 20, 48, 18, 6, 9, 42, 134, 58, 0, 137, 97,
58, 1, 0, 164, 5, 48, 3, 129, 1, 7, 225, 16, 2, 1, 1, 4, 11, 9, 1, 10, 10, 6,
2, 19, 105, 145, 103, 116, 226, 35, 48, 3, 194, 1, 242, 48, 3, 194, 1, 241, 48,
3, 194, 1, 246, 48, 3, 194, 1, 245, 48, 3, 194, 1, 244, 48, 3, 194, 1, 243, 48,
3, 194, 1, 247, 177, 13, 10, 1, 1, 4, 8, 10, 6, 2, 19, 105, 145, 103, 116, 0, 0,
42, 3, 0, 0, 48, 48, 48, 48, 48, 48, 48, 50, 9, 82, 101, 99, 101, 105, 118, 101,
9, 50, 51, 9, 77, 111, 110, 32, 32]
当我转换为chr时,它如下所示:
irb(main):4392:0> a.map(&:chr).join
=> "\t 25859\tINFO\tINFO5\t 74 23 03 92 00 00 00 EC 02 10 00 E2 00 77\t\x00\x00\x00\x00
\x01\f\x01\x00\x00\x009\xFEF\x06\x01\x06\x00\x03\x00\x03\xC6\x00\x02\xC6\x1F\x93\x17\x00
\xE2\a\f\x11\x1287\x03e\x01\x01\x00\x86\a\x91\x05\x94%\x96\x85\xF1\x87\x05\x16m\x915&\xAB
\x04\x03\x02\x06\xC0\xAD\x16\xA0\x140\x12\x06\t*\x86:\x00\x89a:\x01\x00\xA4\x050\x03\x81
\x01\a\xE1\x10\x02\x01\x01\x04\v\t\x01\n\n\x06\x02\x13i\x91gt\xE2#0\x03\xC2\x01\xF20\x03
\xC2\x01\xF10\x03\xC2\x01\xF60\x03\xC2\x01\xF50\x03\xC2\x01\xF40\x03\xC2\x01\xF30\x03\xC2
\x01\xF7\xB1\r\n\x01\x01\x04\b\n\x06\x02\x13i\x91gt\x00\x00*\x03\x00\x000000..."
我想提取INFO5\t
和\t..之间的十六进制值,
因此输出为
"74 23 03 92 00 00 00 EC 02 10 00 E2 00 77"
我像下面这样做,但只删除了第一个不需要的部分并留下\n\n\x06…000
我怎样才能解决这个问题
irb(main)>: a.map(&:chr).join.gsub(/(\t .*\t )|(\t.*)/,"")
=> "74 23 03 92 00 00 00 EC 02 10 00 E2 00 77\n\n\x06\x02\x13i\x91gt\xE2#0
\x03\xC2\x01\xF20\x03\xC2\x01\xF10\x03\xC2\x01\xF60\x03\xC2\x01\xF50\x03\xC2
\x01\xF40\x03\xC2\x01\xF30\x03\xC2\x01\xF7\xB1\r\n\x01\x01\x04\b\n\x06\x02\
x13i\x91gt\x00\x00*\x03\x00\x0000000002"
提前谢谢你的帮助
UDPATE
下面附上的示例二进制文件
take\u while
map(&:chr)将int转换为字符串
INFO5\t
和next\t
之间take\u while
map(&:chr)将int转换为字符串
INFO5\t
和next\t
之间我想你的意思是
a=str.unpack(“C*”)
——你可以解包
字符串,但不能解包数组
要获得想要的结果,根本不需要使用unpack
-只需执行正则表达式:
str.match(/INFO5\t(.*?)\t/).to_a[1]
# => " 74 23 03 92 00 00 00 EC 02 10 00 E2 00 77"
请注意,结果中有一个前导空格,但您可以根据需要调整正则表达式;我不打算猜测这种格式的规格
小贴士:
- 需要
中的*?
使?
非贪婪*
可避免to_a
在
未找到任何内容时引发错误匹配
编辑 您关于“UTF-8中的无效字节序列”的评论表明,您的数据可能是ASCII-8BIT(即,它与UTF-8不兼容),但它存储在编码属性为“UTF-8”的字符串中。如果您解释如何获得该字符串,这将有助于解释,因为字符串的编码似乎错误 解决方案1(这非常理想): 以ASCII-8BIT格式读入文件:
str = File.read("input.dat", encoding: 'ASCII-8BIT')
解决方案2(如果无法控制输入编码,这是一种解决方法):
完成此操作后,.match
应该可以工作
进一步解释
您的映射(&:chr).join
工作的原因是.chr
将生成US-ASCII
或ASCII-8BIT
字符串(后者发生在127以上的字节),而不会生成UTF-8
当您join
这些字符串时,如果任何字节大于127,则结果为ASCII-8BIT
。因此,这实际上与调用force_编码(“ASCII-8BIT”)
相同,只是map
/join
不像force_编码那样修改原始字符串的编码
1unpack
是不必要的,因为a.map(&:chr).join
与arr.pack('C*')
相同,它提供原始的str
。即使您必须unpack
字符串用于其他目的,我建议使用原始字符串,而不是重新打包数组。也许您可以将其封装到数据结构中,例如:
i_data = InfoData.new(str)
i_data.bytes # array of bytes
i_data.hex_string # "74 23 03 ..."
请注意,上面的代码不能按原样工作-您需要自己编写InfoData
类。我假定您的意思是a=str.unpack(“C*”)
-您可以解压
字符串,但不能解压数组
要获得想要的结果,根本不需要使用unpack
-只需执行正则表达式:
str.match(/INFO5\t(.*?)\t/).to_a[1]
# => " 74 23 03 92 00 00 00 EC 02 10 00 E2 00 77"
请注意,结果中有一个前导空格,但您可以根据需要调整正则表达式;我不打算猜测这种格式的规格
小贴士:
- 需要
*?
中的?
使*
非贪婪
to_a
可避免在匹配
未找到任何内容时引发错误
编辑
您关于“UTF-8中的无效字节序列”的评论表明,您的数据可能是ASCII-8BIT(即,它与UTF-8不兼容),但它存储在编码属性为“UTF-8”的字符串中。如果您解释如何获得该字符串,会有所帮助,因为该字符串的编码似乎是错误的
解决方案1(这非常理想):
以ASCII-8BIT格式读入文件:
str = File.read("input.dat", encoding: 'ASCII-8BIT')
解决方案2(如果无法控制输入编码,这是一种解决方法):
完成此操作后,.match
应该可以工作
进一步解释
您的映射(&:chr).join
工作的原因是.chr
将生成US-ASCII
或ASCII-8BIT
字符串(后者发生在127以上的字节),而不会生成UTF-8
当您join
这些字符串时,如果任何字节大于127,则结果为ASCII-8BIT
。因此,这实际上与调用force_编码(“ASCII-8BIT”)
相同,只是map
/join
不像force_编码那样修改原始字符串的编码
1unpack
是不必要的,因为a.map(&:chr).join
与arr.pack('C*')
相同,它提供原始的str
。即使您必须unpack
字符串用于其他目的,我建议使用原始字符串,而不是重新打包数组。也许你可以把它封装成一个数据包
a = [9, 32, 50, 53, 56, 53, 57, 9, 73, 78, 70, 79, 9, 73, 78, 70, 79, 53, 9,
32, 55, 52, 32, 50, 51, 32, 48, 51, 32, 57, 50, 32, 48, 48, 32, 48, 48,
32, 48, 48, 32, 69, 67, 32, 48, 50, 32, 49, 48, 32, 48, 48, 32, 69, 50,
32, 48, 48, 32, 55, 55, 9, 0, 0]
str = a.pack("C*")
#=> "\t 25859\tINFO\tINFO5\t 74 23 03 92 00 00 00 EC 02 10 00 E2 00 77\t\x00\x00"
str[/(?<=INFO5\t).+?(?=\t)/].strip
#=> "74 23 03 92 00 00 00 EC 02 10 00 E2 00 77"
"abc\td\tef"[/(?<=a).+(?=\t)/]
#=> "bc\td"
pfix = "INFO5\t".unpack("C*")
#=> [73, 78, 70, 79, 53, 9]
pfix_size = pfix.size
#=> 6
sfix = [prefix.last]
#=> [9]
sfix_size = sfix.size
start = idx_start(a, pfix) + pfix_size
#=> 19
a[start..idx_start(a[start..-1], sfix) + start - 1].pack("C*").strip
#=> "74 23 03 92 00 00 00 EC 02 10 00 E2 00 77"
def idx_start(a, arr)
arr_size = arr.size
a.each_index.find { |i| a[i, arr_size] == arr }
end