使用C#處理基於比特流的數據

使用C#處理基於比特流的數據

0x00 起因

最近需要處理一些基於比特流的數據，計算機處理數據一般都是以byte（8bit）為單位的，使用BinaryReader讀取的數據也是如此，即使讀取bool型也是一個byte。不過借助於C#基礎類別庫中提供的一些方法，也實作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博客，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，那麼我們應該怎麼做呢。雖然沒有在基礎類別庫中找到現成的方法，但用二進位字串中轉一下，分兩步驟也可以做到。

1、先把b表示為二進位字串00100011

2、分別取其前後4bit轉為數字，核心方法就是：

Convert.ToInt32("0010");

這樣就實現了基於比特的資料讀取了。

關於第一步中把byte轉換為二進位字串有很多種方法，

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左移再與128做與運算。

其中第一種方法會產生大量的字符串對象，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 ? &#39;0&#39; : &#39;1&#39;;
　　　　b = (byte)(b << 1);
　　}
　　return result;
}

為了能將byte[]轉換為二進位字串，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,可以轉換為二進位字串保存起來，根據偏移的bit位置和bit長度從中讀取二進位字串，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儲存二進位字串，並提供Read方法從二進位字串中讀取資料。為了能夠更好的處理資料流，在此基礎上添加一個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讀取數據，BitReader會從Position目前位置，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，直接從目前Position讀取時Position移動，BitReader類別部分程式碼如下：

public class BitReader
{
    public readonly StringBuilder BinString;
    public int Position { get; set; }

    public BitReader(byte[] data)
    {
        BinString = new StringBuilder(data.Length * 8);
        for (int i = 0; i < data.Length; i++)
        {
            BinString.Append(ByteToBinString(data[i]));
        }
        Position = 0;
    }

    public byte ReadByte(int offset)
    {
        var bin = BinString.ToString(offset, 8);
        return Convert.ToByte(bin, 2);
    }

    public byte ReadByte()
    {
        var result = ReadByte(Position);
        Position += 8;
        return result;
    }

    public int ReadInt(int offset, int bitLength)
    {
        var bin = BinString.ToString(offset, bitLength);
        return Convert.ToInt32(bin, 2);
    }

    public int ReadInt(int bitLength)
    {
        var result = ReadInt(Position, bitLength);
        Position += bitLength;
        return result;
    }

    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 ? &#39;0&#39; : &#39;1&#39;;
            b = (byte)(b << 1);
        }
        return result;
     }
}

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

var reader = new BitReader(buff); //二进制字符串为0010001100001100

var num1 = reader.ReadInt(4);   //从当前Position读取4bit为int，Position移动4bit，结果为2，当前Position=4

var num2 = reader.ReadInt(5,6);  //从偏移为5bit的位置读取6bit为int，Position不移动，结果为48，当前Position=4

var b = reader.ReadBool();  //从当前Position读取1bit为bool，Position移动1bit，结果为False，当前Position=5

0x02 比特流資料的寫入

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保存二進位字串，當寫入資料時，需要傳入資料並指定保存這個資料所需的bit數。當寫入完畢後可以將StringBuilder中儲存的二進位字串依照8bit轉換為byte[]並傳回。 BitWriter的核心部分如下：

public class BitWriter
{
    public readonly StringBuilder BinString;

    public BitWriter()
    {
        BinString = new StringBuilder();
    }

    public BitWriter(int bitLength)
    {
        var add = 8 - bitLength % 8;
        BinString = new StringBuilder(bitLength + add);
    }

    public void WriteByte(byte b, int bitLength=8)
    {
        var bin = Convert.ToString(b, 2);
        AppendBinString(bin, bitLength);
    }

    public void WriteInt(int i, int bitLength)
    {
        var bin = Convert.ToString(i, 2);
        AppendBinString(bin, bitLength);
    }

    public void WriteChar7(char c)
    {
        var b = Convert.ToByte(c);
        var bin = Convert.ToString(b, 2);
        AppendBinString(bin, 7);
    }

    public byte[] GetBytes()
    {
        Check8();
        var len = BinString.Length / 8;
        var result = new byte[len];

        for (int i = 0; i < len; i++)
        {
            var bits = BinString.ToString(i * 8, 8);
            result[i] = Convert.ToByte(bits, 2);
        }

        return result;
    }

    public string GetBinString()
    {
        Check8();
        return BinString.ToString();
    }


    private void AppendBinString(string bin, int bitLength)
    {
        if (bin.Length > bitLength)
            throw new Exception("len is too short");
        var add = bitLength - bin.Length;
        for (int i = 0; i < add; i++)
        {
            BinString.Append(&#39;0&#39;);
        }
        BinString.Append(bin);
    }

    private void Check8()
    {
        var add = 8 - BinString.Length % 8;
        for (int i = 0; i < add; i++)
        {
            BinString.Append("0");
        }
    }
}

下面舉個簡單的例子：

var writer = new BitWriter();

writer.Write(12,5);  //把12用5bit写入，此时二进制字符串为：01100

writer.Write(8,16);  //把8用16bit写入，此时二进制字符串为：011000000000000001000

var result = writer.GetBytes(); //8bit对齐为011000000000000001000000
                                //返回结果为[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，最高位元為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序取出，並用BitWriter依照7bit寫入，最後取得新編碼的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。代碼如下：

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，我們先尋找開始標識符，然後讀出字符個數，根據字符個數依次讀取字符，代碼如下：

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();
    }

由於數據頭的存在，當編碼幾個字元時編碼後資料反而更長了

不过随着字符越多，编码后节省的越多。

0x04 6比特字符编码

从节省数据量的角度，如果允许损失部分信息，例如损失掉字母大小写，是可以进一步减少编码所需比特数的。26个字母+10个数字+符号，可以用6bit（64）进行编码。不过使用这种编码方式就不能用ASCII的映射方式了，我们可以自定义映射，例如0-10映射为十个数字等等，也可以使用自定义的字典，也就是传说中的密码本。经常看国产谍战片的应该都知道密码本吧，密码本就是一个字典，把字符进行重新映射获取明文，算是简单的单码替代，加密强度很小，在获取足量数据样本后基于统计很容易就能破解。下面我们就尝试基于自定义字典用6bit重新编码。

编码过程：

仍然像7bit编码那样写入消息头，然后依次取出文本中的字符，从字典中找到对应的数字，把数字按照6bit长度写入到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 *
    }

解码过程：

解码也很简单，找到消息头，依次按照6bit读取数据，并从字典中找到对应的字符：

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();
}

同样一段文本用6bit自定义字典编码后数据长度更短了，不过损失了大小写和换行等格式。

如果从加密的角度考虑，可以设置N个自定义字典（假设10个），在消息头中用M bit（例如4bit）表示所用的字典。这样在每次编码时随机选择一个字典编码，解码时根据4bit数据选择相应字典解码，并且定时更换字典可以增大破解难度。感兴趣的园友可以自行尝试。

0x05 写在最后

以上是我处理比特流数据的一点心得，仅仅是我自己能想到的一种方法，满足了我的需求。如果有更效率的更合理的方法，希望赐教。另外编码和解码的两个例子是出于有趣写着玩的，在实际中估计也用不到。毕竟现在带宽这么富裕，数据加密也有N种可靠的多的方式。

示例代码：https://github.com/durow/TestArea/tree/master/BitStream