Python 构造 - 解析可变数量的可变长度记录

Question

我正在使用 construct 2.8 对某些 long-lost Pascal 程序创建的某些文件的 header 进行逆向工程。

header是由很多不同的记录组成的，有些记录是可选的，不知道顺序是不是固定的。

例如，其中两条记录如下所示：

header_record_filetype = cs.Struct(
    'record_type' / cs.Int8ub,
    'file_type' / cs.PascalString(cs.Int16ub),
    'unknown' / cs.Int8ub
)

header_record_user = cs.Struct(
    'record_type' / cs.Int8ub,
    'user' / cs.PascalString(cs.Int16ub)
)

我还确定了六个。

我将如何让解析器根据 record_type 成员为未知数量的记录选择正确的记录类型，直到它遇到类型为 0 的记录（或到达类型的末尾）文件)?

Answer 1

您选择了一个有趣的挑战。看来构造确实支持各种条件定义：http://construct.readthedocs.io/en/latest/misc.html#conditional

此外，我还找到了示例，例如这个信息性示例：https://github.com/construct/construct/blob/master/construct/examples/formats/executable/elf32.py

我可能还会定义一个 header 和 body 类型，例如：

header_body_record_filetype = cs.Struct(
    'file_type' / cs.PascalString(cs.Int16ub),
    'unknown' / cs.Int8ub
)

header_body_record_user = cs.Struct(
    'user' / cs.PascalString(cs.Int16ub)
)

header_record = cs.Struct(
    'record_type' / cs.Int8ub,
    'body' / Embedded(IfThenElse(this.record_type == "user",
        header_body_record_user,
        header_body_record_filetype,
    ))
)

Answer 2

我是这样解决的：

header = cs.Struct(
    'record_type' / cs.Int8ub,
    'record' / cs.Switch(cs.this.record_type, {header_record_type_0x01: header_record_0x01,
                                               header_record_type_filename: header_record_filename,
                                               header_record_type_filetype: header_record_filetype,
                                               header_record_type_user: header_record_user,
                                               header_record_type_end: header_record_end,
                                               header_record_type_image_metadata: header_record_image_metadata},
                         default=header_record_end
                         ),
    'offset' / cs.Tell
)

with open(sys.argv[1], 'rb') as f:
    h = f.read(2048)
    index = 0
    record_type = h[index]

    while record_type != 0:
        record = header.parse(h[index:])
        print(record)
        index += record.offset
        record_type = record.record_type

但我不知道这是否是最好的*方式。

*对于 "best".

的某些值

编辑

我发现 RepeatUntil() 构造隐藏在帮助页面的底部。所以现在我有了这个：

header = cs.Struct(
    'type' / cs.Enum(cs.Int8ub,
                     file_metadata=0x01,
                     filename=0x02,
                     file_type=0x03,
                     user=0x0A,
                     image_metadata=0x10,
                     end=0xFF),

    'record' / cs.Switch(cs.this.type, {'file_metadata': header_record_file_metadata,
                                        'filename': header_record_filename,
                                        'file_type': header_record_filetype,
                                        'user': header_record_user,
                                        'end': header_record_end,
                                        'image_metadata': header_record_image_metadata}),
    'size' / cs.Tell
)

with open(sys.argv[1], 'rb') as f:
    h = f.read(2048)
    records = cs.RepeatUntil(lambda obj, lst, ctx: obj.type == 'end', header).parse(h)
    print(records)

感觉更简洁，更符合 construct 的声明性。

Answer 3

郑重声明，我是 Construct 开发人员。如果您希望此代码与当前版本保持同步，则：

字符串类需要有encoding，它是强制性的
嵌入式不支持IfThenElse和Switch类

Python 构造 - 解析可变数量的可变长度记录

Python construct - parsing a variable number of variable length records

python

construct

编辑