☰

如何确定具有固定大小记录的二进制文件中的记录数

tag-icon • tag-icon bash binary size
如何确定具有固定大小记录的二进制文件中的记录数

我正在尝试确定二进制文件中的记录数。二进制文件的大小由 确定wc -c。分隔符未知。记录大小是固定的。每条记录的确切大小未知我想确定记录数

答案1

尝试这个：

script.sh：

#!/bin/bash

# read filename to var f from $1
f="$1"
# quit if file not found.
[ -f "$f" ] || { >&2 echo "File not found." ; exit 2; }
# total length of file (-1 to not count newline at the end of a file)
n=$(($(wc -c < "$f")-1))
# loop potential length of records, end at half total length of file.
for i in $(seq 1 $(awk -v n=$n 'BEGIN{print int((n/2)+0.5)-1}')); do
    # now read all delimiters regarding record length from a file
    # (see https://unix.stackexchange.com/a/276957/236063)
    # and `sort -u` to get only individual ones
    c=$(for ((j=i;j<n;j=j+i+1)); do printf '%s\n' $(dd ibs=1 skip=$j count=1 < "$f" 2>/dev/null); done | sort -u)
    # if we have exactly one individual delimiter, we're done and can print length of record and the delimiter and exit.
    if [ $(echo "$c" | wc -l) -eq 1 ]; then
        printf 'l=%s d=%s\n' "$i" "$c"
        exit 0
    fi
done
>&2 echo "No delimiter found".
exit 1

内容file：

abc,def,ghi

输出：

$ ./script.sh file
l=3 d=,

退出代码：

 0 success, found delimiter and record length
 1 no delimiter found
10 file not found

注意：我认为还需要做一些工作来解决一些问题，特别是关于换行符......

答案2

不知道记录（和分隔符）的确切大小使得这个问题无法用简单而优雅的解决方案来解决。

主要警告： 这可能是一种绝望的情况，因为可能根本没有分隔符（如果写入文件的软件知道记录大小，则不需要用分隔符分隔记录）或者整个文件可能是一条记录。此外，在某些情况下，在记录内被视为分隔符的字符之前可能有“转义字符”（不太可能使用固定的记录大小，但它会使情况变得更糟，分析起来），但“这取决于”。此外，二进制文件格式在实际记录开始之前可以有一个“标头”块，您需要知道它的大小才能工作。

但希望渺茫。由于记录的固定大小长度是确定的，那么 -假设没有标题- 文件的大小（通过 获得wc -c）必须是记录大小和记录数的乘积。

我们可以尝试暴力方法：

  1. 查找文件的大小wc -c（让其命名fileSize）
  2. 求 的因数fileSize。
  3. 找到所有因素的组合，这样您就可以获得适合文件的所有可能数量的记录。
  4. 检查字符结尾可能的记录大小。如果您发现假设的数字具有以相同字符结尾的记录，您可能会认为这是分隔符。

这并不是 100% 完美，但应该有助于进一步研究记录和文件。

例子：

文件内容：

abcxdefxabnxccdxdfaxaafx

  1. 文件大小：24字节

  2. 因数：factors 24: 2 2 2 3

  3. 可能的组合：

    • 2 x 12（两条记录，每条12字节）
    • 3×8
    • 4×6
    • 6×4
    • 8×3
    • 12×2

  4. 对于上面的每一种可能性，我们都有分隔符：

    • x
    • x
    • （不同的，所以不考虑这种情况）
    • x
    • （不同的）
    • （不同的）

  5. 我们可能会猜测这x是分隔符，最小可能的记录大小是 4 个字符，这符合情况。

这只是一个例子。你应该尝试不同的假设，如果文件很大，你可以使用另一种方法，比如找出两个相同字符之间的距离。

相关内容