使用C#處理基於位元流的資料

durow發表於2016-10-13

使用C#處理基於位元流的資料

 

0x00 起因

最近需要處理一些基於位元流的資料,計算機處理資料一般都是以byte(8bit)為單位的,使用BinaryReader讀取的資料也是如此,即使讀取bool型也是一個byte。不過藉助於C#基礎類庫中提供的一些方法,也實現了對基於位元的資料的讀取。任務完成後覺得基於位元的資料挺有意思,自己試了下用7位元和6位元編碼常用ASCII字元。最後把一點新的寫成部落格,一方面做個記錄,另一方面希望對有類似需求的園友有所幫助。

0x01 位元流資料的讀取

假設我們有一個byte b = 35,而我們需要把其中的前4bit和後4bit分別讀取為兩個數字,那麼應該怎麼做呢。雖然沒有在基礎類庫中找到現成的方法,但用二進位制字串中轉一下,分兩步也可以做到。

1、先把b表示為二進位制字串00100011

2、分別取其前後4bit轉為數字,核心方法就是:

Convert.ToInt32("0010");

這樣就實現了基於位元的資料讀取了。

關於第一步中把byte轉化為二進位制字串有很多種方法,

1、最簡單的Convert.ToString(b,2)。不夠8位就在高位用0補足。

2、也可以把byte分別與1,2,4,8 … 128做與運算,由低到高取出各位。

3、也可以把byte和32做與運算,然後把byte左移再次與128做與運算。

其中第一種方法會產生大量的字串物件,在第2、3種方法沒有找到太大區別,我選擇的3,純靠感覺。程式碼如下:

public static char[] ByteToBinString(byte b)
{
  var result = new char[8];
  for (int i = 0; i < 8; i++)
  {
    var temp = b & 128;
    result[i] = temp == 0 ? '0' : '1';
    b = (byte)(b << 1);
  }
  return result; }

為了能將byte[]轉化為二進位制字串,可以

Public string BitReader(byte[] data)
{
    BinString = new StringBuilder(data.Length * 8);
    for (int i = 0; i < data.Length; 
    {
         BinString.Append(ByteToBinString(data[i]));
    }
    return BinString.ToString();
}    

這樣一來當拿到byte[]資料時,可以轉換為二進位制字串儲存起來,根據偏移的bit位置和bit長度從中讀取二進位制字串,並保轉換為bool,Int16,Int32等。基於這個思路,可以寫一個BitReader類,其中用StringBuilder儲存二進位制字串,並提供Read方法從二進位制字串中讀取資料。為了能夠更好的處理資料流,在此基礎上新增一個Position記錄當前偏移,當使用某些Read方法讀取資料時,Position也會相應移動。例如使用ReadInt16讀取資料,BitReader會從Position當前位置,讀取16bit並轉換為Int16返回,同時Position向後移動16bit。區分方式就是當讀取資料時需要指定起始的偏移位置時,Position不移動,直接從當前Position讀取時Position移動,BitReader類部分程式碼如下:

 1 public class BitReader
 2 {
 3     public readonly StringBuilder BinString;
 4     public int Position { get; set; }
 5 
 6     public BitReader(byte[] data)
 7     {
 8         BinString = new StringBuilder(data.Length * 8);
 9         for (int i = 0; i < data.Length; i++)
10         {
11             BinString.Append(ByteToBinString(data[i]));
12         }
13         Position = 0;
14     }
15 
16     public byte ReadByte(int offset)
17     {
18         var bin = BinString.ToString(offset, 8);
19         return Convert.ToByte(bin, 2);
20     }
21 
22     public byte ReadByte()
23     {
24         var result = ReadByte(Position);
25         Position += 8;
26         return result;
27     }
28 
29     public int ReadInt(int offset, int bitLength)
30     {
31         var bin = BinString.ToString(offset, bitLength);
32         return Convert.ToInt32(bin, 2);
33     }
34 
35     public int ReadInt(int bitLength)
36     {
37         var result = ReadInt(Position, bitLength);
38         Position += bitLength;
39         return result;
40     }
41 
42     public static char[] ByteToBinString(byte b)
43     {
44         var result = new char[8];
45         for (int i = 0; i < 8; i++)
46         {
47             var temp = b & 128;
48             result[i] = temp == 0 ? '0' : '1';
49             b = (byte)(b << 1);
50         }
51         return result;
52      }
53 }
View Code

使用BitReader按照4bit從byte[] buff= {35,12};中讀取資料可以這樣:

var reader = new BitReader(buff); //二進位制字串為0010001100001100

var num1 = reader.ReadInt(4);   //從當前Position讀取4bit為int,Position移動4bit,結果為2,當前Position=4

var num2 = reader.ReadInt(5,6);  //從偏移為5bit的位置讀取6bit為int,Position不移動,結果為48,當前Position=4

var b = reader.ReadBool();  //從當前Position讀取1bit為bool,Position移動1bit,結果為False,當前Position=5

0x02 位元流資料的寫入

把資料寫入位元流就是一個相反的過程,我們用BitWriter類實現,在其中儲存StringBuilder儲存二進位制字串,當寫入資料時,需要傳入資料並指定儲存這個資料所需要的bit數。當寫入完畢後可以將StringBuilder中儲存的二進位制字串按照8bit轉換為byte[]並返回。BitWriter的核心部分如下:

 1 public class BitWriter
 2 {
 3     public readonly StringBuilder BinString;
 4 
 5     public BitWriter()
 6     {
 7         BinString = new StringBuilder();
 8     }
 9 
10     public BitWriter(int bitLength)
11     {
12         var add = 8 - bitLength % 8;
13         BinString = new StringBuilder(bitLength + add);
14     }
15 
16     public void WriteByte(byte b, int bitLength=8)
17     {
18         var bin = Convert.ToString(b, 2);
19         AppendBinString(bin, bitLength);
20     }
21 
22     public void WriteInt(int i, int bitLength)
23     {
24         var bin = Convert.ToString(i, 2);
25         AppendBinString(bin, bitLength);
26     }
27 
28     public void WriteChar7(char c)
29     {
30         var b = Convert.ToByte(c);
31         var bin = Convert.ToString(b, 2);
32         AppendBinString(bin, 7);
33     }
34 
35     public byte[] GetBytes()
36     {
37         Check8();
38         var len = BinString.Length / 8;
39         var result = new byte[len];
40 
41         for (int i = 0; i < len; i++)
42         {
43             var bits = BinString.ToString(i * 8, 8);
44             result[i] = Convert.ToByte(bits, 2);
45         }
46 
47         return result;
48     }
49 
50     public string GetBinString()
51     {
52         Check8();
53         return BinString.ToString();
54     }
55 
56 
57     private void AppendBinString(string bin, int bitLength)
58     {
59         if (bin.Length > bitLength)
60             throw new Exception("len is too short");
61         var add = bitLength - bin.Length;
62         for (int i = 0; i < add; i++)
63         {
64             BinString.Append('0');
65         }
66         BinString.Append(bin);
67     }
68 
69     private void Check8()
70     {
71         var add = 8 - BinString.Length % 8;
72         for (int i = 0; i < add; i++)
73         {
74             BinString.Append("0");
75         }
76     }
77 }
View Code

下面舉個簡單的例子:

var writer = new BitWriter();

writer.Write(12,5);  //把12用5bit寫入,此時二進位制字串為:01100

writer.Write(8,16);  //把8用16bit寫入,此時二進位制字串為:011000000000000001000

var result = writer.GetBytes(); //8bit對齊為011000000000000001000000
                                //返回結果為[96,0,64]

0x03 7位元字元編碼

我們常用的ASCII字元是使用8bit編碼的,但其中真正常用的那些字元只有7bit,最高位為0,所以對於一篇英文文章,我們可以使用7bit重新編碼而不損失資訊。編碼的過程就是把文章字元依次取出,並用BitWriter按照7bit寫入,最後獲取新編碼的byte[]。為了能夠正確讀取,我們規定當讀到8bit資料為2時代表資料開始,接下來16bit資料為後面字元個數。程式碼如下:

    public byte[] Encode(string text)
    {
        var len = text.Length * 7 + 24;

        var writer = new BitWriter(len);
        writer.WriteByte(2);
        writer.WriteInt(text.Length, 16);

        for (int i = 0; i < text.Length; i++)
        {
            var b = Convert.ToByte(text[i]);
            writer.WriteByte(b, 7);
        }

        return writer.GetBytes();
    }

同樣讀取資料的時候,我們先尋找開始識別符號,然後讀出字元個數,根據字元個數依次讀取字元,程式碼如下:

    public string Decode(byte[] data)
    {
        var reader = new BitReader(data);
        while (reader.Remain > 8)
        {
            var start = reader.ReadByte();
            if (start == 2)
                break;
        }
        var len = reader.ReadInt(16);
        var result = new StringBuilder(len);
        for (int i = 0; i < len; i++)
        {
            var b = reader.ReadInt(7);
            var ch = Convert.ToChar(b);
            result.Append(ch);
        }

        return result.ToString();
    }

由於資料頭的存在,當編碼幾個字元時編碼後資料反而更長了

 

不過隨著字元越多,編碼後節省的越多。

 

0x04 6位元字元編碼

從節省資料量的角度,如果允許損失部分資訊,例如損失掉字母大小寫,是可以進一步減少編碼所需位元數的。26個字母+10個數字+符號,可以用6bit(64)進行編碼。不過使用這種編碼方式就不能用ASCII的對映方式了,我們可以自定義對映,例如0-10對映為十個數字等等,也可以使用自定義的字典,也就是傳說中的密碼本。經常看國產諜戰片的應該都知道密碼本吧,密碼本就是一個字典,把字元進行重新對映獲取明文,算是簡單的單碼替代,加密強度很小,在獲取足量資料樣本後基於統計很容易就能破解。下面我們就嘗試基於自定義字典用6bit重新編碼。

編碼過程:

仍然像7bit編碼那樣寫入訊息頭,然後依次取出文字中的字元,從字典中找到對應的數字,把數字按照6bit長度寫入到BitWriter

    public byte[] Encode(string text)
    {
        text = text.ToUpper();
        var len = text.Length * 6 + 24;

        var writer = new BitWriter(len);
        writer.WriteByte(2);
        writer.WriteInt(text.Length, 16);

        for (int i = 0; i < text.Length; i++)
        {
            var index = GetChar6Index(text[i]);
            writer.WriteInt(index, 6);
        }

        return writer.GetBytes();

    }

    private int GetChar6Index(char c)
    {
        for (int i = 0; i < 64; i++)
        {
            if (Dict.Custom[i] == c)
                return i;
        }
        return 10; //return *
    }

解碼過程:

解碼也很簡單,找到訊息頭,依次按照6bit讀取資料,並從字典中找到對應的字元:

public string Decode(byte[] data)
{
    var reader = new BitReader(data);
    while(reader.Remain > 8)
    {
        var start = reader.ReadByte();
        if (start == 2)
            break;
    }
    var len = reader.ReadInt(16);
    var result = new StringBuilder(len);
    for (int i = 0; i < len; i++)
    {
        var index = reader.ReadInt(6);
        var ch = Dict.Custom[index];
        result.Append(ch);
    }

    return result.ToString();
}

同樣一段文字用6bit自定義字典編碼後資料長度更短了,不過損失了大小寫和換行等格式。

如果從加密的角度考慮,可以設定N個自定義字典(假設10個),在訊息頭中用M bit(例如4bit)表示所用的字典。這樣在每次編碼時隨機選擇一個字典編碼,解碼時根據4bit資料選擇相應字典解碼,並且定時更換字典可以增大破解難度。感興趣的園友可以自行嘗試。

0x05 寫在最後

以上是我處理位元流資料的一點心得,僅僅是我自己能想到的一種方法,滿足了我的需求。如果有更效率的更合理的方法,希望賜教。另外編碼和解碼的兩個例子是出於有趣寫著玩的,在實際中估計也用不到。畢竟現在頻寬這麼富裕,資料加密也有N種可靠的多的方式。

示例程式碼:https://github.com/durow/TestArea/tree/master/BitStream

關於基於位元流的資料讀取封裝成了庫

安裝:PM> Install-Package Ayx.BitIO

專案地址:https://github.com/durow/Ayx.BitIO

 


更多內容歡迎訪問我的部落格:http://www.durow.vip

相關文章