Примитивный парсер .avi-файла

Автор: Adrax

Давайте-ка смастерим небольшой парсер .avi-файла - пусть он показывает нам содержимое его заголовков и визуализирует структуры данных
Начальные понятия о формате .avi вы можете почерпнуть из этой статьи. Лично я пользовался именно ей:) плюс распотрошил hex-редактором все имеющиеся у меня .avi-шники

В данный момент я экспериментирую, создавая парсеры на C# и Ассемблере. Перед вами самый первый рабочий прототип: он парсит только .avi-файлы "старого" формата и не справляется с вложенными LIST'ами, так что практической ценности не имеет. Тем не менее, он может оказаться полезным для тех, кто делает свои первые шаги в этой области - поэтому я приведу его полный исходный код в этой статье

GUI

Форму я назвал "Форма" и указал её размер 392*88. В заголовке написал AVI_analyzer v.0.0.0.1 :)
TreeView я обозвал "Дерево" (а что? похож!) и свойство Visible установил в False
OpenFileDialog получил имя "Open", а его свойство Filter я установил "Файл AVI|*.avi|Все файлы|*.*"
Menu получило имя "Меню" и следующие пункты: Item1 (само меню, с текстом "Файл"), Item2 (с текстом "Открыть"; свойство Shortcut я установил CtrlO, чтобы этот пункт меню срабатывал по нажатию горячих клавиш Ctrl+O) и Item3 ("Выход", CtrlX)

Код

private void Item3_Click(object sender, System.EventArgs e) { if (MessageBox.Show("Хотите выйти из программы?", "Завершение", MessageBoxButtons.YesNo)==DialogResult.Yes) Application.Exit(); }

Теперь поразмыслим - как же мы будем парсить .avi-файл? Для начала давайте вспомним его структуру. Типичный .avi-файл схематично можно представить так:

Выше приведена структура RIFF "AVI "-чанка. В "старых" .avi-файлах такой чанк был единственным. В случае .avi 2-го поколения за вышеописанной структурой могут следовать вот такие чанки:

Приведённый здесь пример парсера будет читать только самый первый RIFF "AVI "-чанк
Для добавления новых элементов (узлов) в TreeView, мы будем использовать самописный метод DobUzel(), принимающий строковые данные и создающий узел с таким текстом:

public void DobUzel(string text) { TreeNode node = Дерево.SelectedNode; //получаем выделенный узел if (node==null) {TreeNode nod = Дерево.Nodes.Add(text); Дерево.SelectedNode = nod;} //если нет выделенного узла - мы в корне дерева, //создаём новый узел и выделяем его else {TreeNode nod = node.Nodes.Add(text); Дерево.SelectedNode = nod;} //иначе добавляем подузел к выделенному узлу //и выделяем подузел }

Ещё нам необходимо учесть, что данные в RIFF-файлах выровнены на границу слова (2-х байт), т.е. если мы получили нечётный размер чанка, необходимо добавить к нему 1, чтобы получилось чётное число - иначе следующую порцию данных мы считаем с неправильной позиции. Для выравнивания создадим такой метод:

public int Aligned(int a) { if ((a&1)!=0) a++; return a; }

Для непосредственно парсинга .avi-файла я решил написать отдельный класс и незамысловато назвал его Parser (идея была подсмотрена у Giora Tamir). Объявляем класс так:

public class Parser { private byte[] восемьбайт = new byte[8]; private byte[] четыребайта = new byte[4]; FileStream stream; }

Эти два байтовых массива (восемьбайт и четыребайта) нам конкретно пригодятся. В переменной stream у нас будет поток, из которого мы будем читать данные (т.е. открытый файл). Теперь начнём заполнять наш класс методами, придавая ему работоспособность

Ксати, непередаваемое ощущение:). Вы фильм "Восставший из Ада" (Hellraiser) смотрели? Там были такие красивые кадры воскрешения: кости обрастают мясом, мясо покрывается кожей - и вот, восставший мертвец вернулся в мир живых...
При написании нового класса у меня возникает чувство, что я своими руками ввожу в этот мир новое живое существо. Класс потихоньку обрастает методами - как скелет мясом - и через некоторое время он уже держит на себе весь функционал программы. Наверное, ради этого чувства я и пишу программы... А, возможно, я просто извращенец...

Все методы класса будут иметь доступ к переменным класса - т.е. к массивам восемьбайт и четыребайта и к файловому потоку stream

Но сперва этот файловый поток надо будет создать. Поэтому первым методом класса Parser будет OpenFile(), получающий строку с именем файла и открывающий файд на чтение:

public FileStream OpenFile(string filename) { stream = new FileStream(filename, FileMode.Open, FileAccess.Read, FileShare.Read); return stream; }

Имя файла мы будем получать из диалога открытия файла

Следующие два метода будут заниматься побайтовым чтением из файла в байтовые массивы, а из байтовых массивов - в переменные. Придётся использовать указатели, и мы столкнёмся с сопротивлением со стороны компилятора, который не пожелает компилировать такой код. Что ж, придётся, во-первых, объявить эти методы небезопасными (unsafe) и разрешить компиляцию небезопасного кода (в окошке справа переключиться с Solution Explorer на Class View, щёлкнуть правой кнопкой мыши, в Properties найти Allow unsafe code blocks и выставить True). После этого мы сможем напрямую работать с памятью по указателям
Итак, эти методы:

public unsafe void ReadTwoInts(out int fourcc, out int size) { int прочитано = stream.Read(восемьбайт,0,8); if (прочитано!=8) { MessageBox.Show("Ошибка чтения файла","Ошибка!",MessageBoxButtons.OK); } fixed (byte* bp = &восемьбайт[0]) { fourcc = *((int*)bp); size = *((int*)(bp + 4)); } }

public unsafe void ReadOneInt(out int fourcc) { int прочитано = stream.Read(четыребайта,0,4); if (прочитано!=4) { MessageBox.Show("Ошибка чтения файла","Ошибка!",MessageBoxButtons.OK); } fixed (byte* bp = &четыребайта[0]) { fourcc = *((int*)bp); } }

Метод ReadTwoInts() придётся, видимо, прокомментировать. Этот метод будет читать из файлового потока 8 байт и возвращать их в двух переменных типа int. Используя стандартный механизм (т.е. указав тип возвращаемого результата), мы можем вернуть только одну переменную, поэтому поступим иначе - объявим метод как void, а возвращать переменные будем с помощью ключевого слова out
В теле метода мы читаем 8 байт из файлового потока в байтовый массив восемьбайт. Если 8 байт прочитать не удалось - выдаём ошибку. Если всё в порядке - создаём указатель на первый байт массива. Здесь необходимо использовать ключевое слово fixed. Дело в том, что CLR (среда исполнения .NET) в целях оптимизации может располагать элементы массива или поля структуры в произвольном порядке. Нам же необходимо, чтобы элементы массива располагались один за другим - потому и используем fixed
Ну а дальше всё просто: считываем FourCC (сигнатуру), передвигаем указатель на 4 байта и считываем поле размера
Метод ReadOneInt() отличается от ReadTwoInts() тем, что считывает не 8, а 4 байта

Мы получаем FourCC чанка в виде числа, но нам необходимо его строковое представление - для этой цели служит следующий метод:

public string FourCC(int fourcc) { char[] chars = new char[4]; chars[0] = (char)(fourcc & 0xFF); chars[1] = (char)((fourcc >> 8) & 0xFF); chars[2] = (char)((fourcc >> 16) & 0xFF); chars[3] = (char)((fourcc >> 24) & 0xFF); return new string(chars); }

Логика проста: создаём массив из 4-х char'ов. Далее побайтово делаем для FourCC AND с FFh и заносим в массив

Ещё нам понадобится метод для того, чтобы смещать позицию чтения внутри файла. Я написал для этого метод SkipData(), юзающий стандартный метод Seek(), принимающий два параметра: количество байт, на которое нужно сместиться, и стартовую позицию. Стартовую позицию задаём SeekOrigin.Current (т.е. текущая) и будем передавать методу SkipData() только количество байт:

public void SkipData(int сколько_байт) { stream.Seek(сколько_байт,SeekOrigin.Current); }

Метод для закрытия файла совсем простенький:

public void CloseFile() { stream.Close(); }

Ну, и ещё один метод, проверяющий сигнатуры "RIFF" и "AVI ":

public int ReadRiff() { int fourcc, size, filetype; ReadTwoInts(out fourcc, out size); ReadOneInt(out filetype); if ((FourCC(fourcc)!="RIFF")||(FourCC(filetype)!="AVI ")) { MessageBox.Show("Не AVI","Неверный файл",MessageBoxButtons.OK); CloseFile(); return 0; } return size; }

Его логика предельно проста. Объявляем три переменных типа int, считываем в них сигнатуру "RIFF", размер RIFF-чанка и сигнатуру "AVI ". Если не "RIFF", и не "AVI " - объявляем об ошибке, иначе - возвращаем размер RIFF-чанка

Итак, все самописные методы перед вами. Осталось лишь грамотно использовать их - и распарсить-таки этот проклятый .avi!
Вот он: обработчик мышиного клика по Item2:

private void Item2_Click(object sender, System.EventArgs e) { string name = "AVI_analyzer v.0.0.0.1"; int riffavisz,type,elfourcc,elsize; Parser x = new Parser(); //создаём объект x - экземпляр класса Parser Дерево.Nodes.Clear(); this.Text = name; //очистили Дерево, дали Форме заголовок if (Open.ShowDialog() == DialogResult.OK) { string filename = Open.FileName; //срисовали имя файла из диалога открытия FileInfo fi = new FileInfo(filename); long filesize = fi.Length; this.Text += " - " + fi.Name; //добавили имя файла в заголовок окна FileStream stream = x.OpenFile(filename); //открываем файл для чтения riffavisz = x.ReadRiff(); //получаем размер RIFF "AVI "-чанка if (riffavisz==0) { x.CloseFile(); this.Text = name; } /* если облажались - закрываем файл и приводим заголовок к изначальному виду */ else { this.Height = 685; Дерево.Visible = true; /* а в этом я усмотрел красоту:) окно резко растягивается в высоту, и в его нижней части становится видимым TreeView */ DobUzel("RIFF"); DobUzel("AVI "); int bytesleft=riffavisz-12; /* в переменной bytesleft храним количество байт, оставшееся до конца RIFF "AVI "-чанка. Будет для нас главным счётчиком: стала равной нулю - заканчиваем */ int size,fourcc; m1: x.ReadTwoInts(out fourcc, out size); //считали FourCC и поле размера bytesleft-=8; if (bytesleft<0) goto Out; else { if (x.FourCC(fourcc)=="LIST") //LIST-чанк { x.ReadOneInt(out type); //считали сигнатуру bytesleft-=4; size-=4; DobUzel("LIST"); DobUzel(x.FourCC(type)); //добавили узлы if (bytesleft<0) goto Out; else { m2: //парсим LIST x.ReadTwoInts(out elfourcc, out elsize); /* считали сигнатуру и размер вложенного в LIST чанка */ bytesleft-=8; size-=8; DobUzel(x.FourCC(elfourcc)); //добавили узел x.SkipData(Aligned(elsize)); //переместили позицию чтения bytesleft-=Aligned(elsize); size-=Aligned(elsize); /* уменьшаем наш счётчик bytesleft на выровненный размер прочитанного чанка; на эту же величину уменьшаем переменную size, в которую записан размер LIST'а. Когда size станет равным 0 - LIST закончился */ if (size>0) //заносим в Дерево элемент LIST'а { Дерево.SelectedNode = Дерево.SelectedNode.Parent; goto m2; } else //LIST закончился, поднимаемся по Дереву выше { Дерево.SelectedNode = Дерево.SelectedNode.Parent; Дерево.SelectedNode = Дерево.SelectedNode.Parent; Дерево.SelectedNode = Дерево.SelectedNode.Parent; goto m1; } } } else //не-LIST-чанк { DobUzel(x.FourCC(fourcc)); //добавили узел x.SkipData(Aligned(size)); //переместили позицию чтения bytesleft-=Aligned(size); //уменьшили счётчик if (bytesleft<0) goto Out; else { Дерево.SelectedNode = Дерево.SelectedNode.Parent; //поднялись на уровень выше goto m1; //повторно читаем 8 байт } } } } Out:MessageBox.Show("Анализ RIFF AVI окончен"); } }

Внушает? То-то же! А ведь это - самый примитивный вариант, который даже стандартный C:\Windows\clock.avi неправильно анализирует (потому что у того есть один нестандартный чанк после RIFF "AVI "-шного)

Окно программы после запуска

Окно программы после открытия файла

Напомню, что лажового в этом коде: парсится только первый RIFF "AVI "-чанк, вложенные LIST'ы не парсятся. В принципе, доработать этот код не так уж и сложно. Дам подсказку: неплохо бы написать отдельный метод для парсинга LIST'ов с учётом вложенности. Думаю, в одной из будущих статей я выложу доработанный вариант, ну а пока - жду ваших писем, вопросов, предложений

С наилучшими пожеланиями, Adrax