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

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

我假设您不需要非ascii字节，所以在第一步中，我使用

take\u while

然后我使用

map（&:chr）将int转换为字符串

最后，我使用一个正则表达式来匹配它们，该正则表达式假定感兴趣的部分位于

INFO5\t

和next

\t

之间

--

我假设您不需要非ascii字节，所以在第一步中，我使用

take\u while

然后我使用

map（&:chr）将int转换为字符串

最后，我使用一个正则表达式来匹配它们，该正则表达式假定感兴趣的部分位于

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

• 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，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


1
unpack
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


1
unpack
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