KEDRIGERN: s/teytu/textu (samozřejmě)

LOOCAS: znas cyklus while?

LOOCAS: Zcela normálně, jako matchování teytu. Čteš a zkoumáš, co to zrovna je a pak už to jen dočteš. V Céčku to asi ani jinak dělat nemůžeš.

Prostě když není objekt, tak ti nic moc nepomůže.

SHIGORBIRDMAN: No, já si myslim, že ne. Proto se tu ptám, jak. :)

Jak postavíš loop na proměnnym počtu iterací?

LOOCAS: a to je takovy problem nacist si to vsechno do toho pole bajtu (jak uz to delas) a brat to z nej? to "getdata" podle toho co pises vraci pole bajtu, to je takovy problem pouzit ji misto readbytes? odnekud musis vedet kolik v tom streamu je dat, to je takovy problem si to hlidat?

SHIGORBIRDMAN: No, problém je v tom, že ten stream je speciální cStream objekt knihovny OpenMCDF. Nemá metodu ReadBytes, má pouze metodu GetData(od, do).
Druhá věc je ten loop while. Já nezjistim žádný EOF. v IronPythonu ani žádnej takovej objekt neni. Afaik.

var id = stream.ReadBytes(16);
var lenbytes = stream.ReadBytes(4);
long len = lenbytes[0]+lenbytes[1]*256+lenbytes[2]*256*256+lenbytes[3]*256*256*256; //teda za predpokladu, ze je to ulozene jako maly endian
var strbytes = stream.ReadBytes(len);

a tak dal do, to cele do while cyklu dokud neni pozice ve streamu na konci. Neni mi moc jasne, v cem je konkretne problem.

SHIGORBIRDMAN: No, na to se právě ptám. :D Jak napsat cyklus, kterej bude procházet pole po různě dlouhejch krocích?

16 Bytů: ID (nepotřebuju)
4 Byty: množství dalších Bytů, ve kterejch je uloženej string (potřebuju!)
XY Bytů (dýlka je variabilní, uložená v předchozích Bytech, podle dýlky stringu), kde je string, kterej potřebuju upravit = změnit a tim i změnit jeho dýlku, což pak musim následně zapsat do předchozích 4 Bytů
4Byty: množství dalších Bytů, ve kterejch je uloženej string (ten nepotřebuju)
XY Bytů, množství určeno v předchozích čtyřech Bytech

a tohle pořád dokola, dokud jsou v poli Byty.

Jednoduše použít for x = 0 to len(Array[Byte]) použít nemůžu, jelikož by to chodilo po jednom Bytu.

LOOCAS: Pokud tě dobře chápu, tak bych si vytvořil vlastní implementaci stream readeru / writeru, která bude mít ReadString / WriteString, a která bude sama načítat, resp. zapisovat ty tvoje DYLKY. Takže v principu pak bys měl něco jako

while ((string token = inputStream.ReadString()) != null) {
  var modToken = token.ToUpper(); // do something with the token
  outputStream.WriteString(modToken);
}

Popřípadě tedy, pokud to nechceš konvertovat do stringu, tak si to ukládej do pole bajtů.

LOOCAS: mas to oparvdu jako normalni stream?
pak fakt nevidim duvod proc to neudelat jako cyklus, kdy postupne nactes 4 bajty id, 4 bajty delku stringu, tolik bajtu kolik ma mit string atd.

H_U_N_T_E_R: Array[Byte] mi vrací metoda .GetData() na tom stream objektu, kterej potřebuju upravit. Dělám to pomocí OpenMCDF knihovny na OLE strukturovanym storage v binárnim souboru (proprietárnim).


SHIGORBIRDMAN: No, mě jde spíš o to, že tak, jak to dělám, mám pocit, že neni úplně košer. :) Můj postup:

1) načtu soubor
2) vycucnu z něj ten stream objekt
3) ze stream objektu načtu všechny Byty v pořadí do Array[Byte] objektu

a teď ta moje prasárna:
4) pomocí Encoding.Unicode.GetString() překlopim celej Byte Array na unicode string
5) rozdělim si celej string na list objektů podle speciálního terminate charakteru theString.split("\x00")
6) vyměnim řetězce v poli, který potřebuju
7) složim zpětně string z toho pole s pomocnym terminate charakterem: "\x00".join(theList)
8) přeložim zpět na Byte Array: Encoding.Unicode.GetBytes(theString)
9) zapíšu do streamu
10) přepíšu stream v souboru, commitnu a uložim na disk.

Tomu překládání pomocí UTF-16 bych se chtěl vyhnout a řešit to na úrovni toho Byte Array, proto se ptám, jak iterovat Byte Array, když mám předem daný pravidla:

16 Bytů - vyhrazeno pro ID
4 Byty - délka následujícího stringu (UTF-16) (uložíme do proměnný DYLKA)
Len(DYLKA+1)*2 - počet následujících Bytů, který nesou textovou hodnotu (UTF-16)
4 Byty - délka násleudjícího stringu (UTF-16) (uložíme do proměnný DALSIDYLKA)
Len(DALSIDYLKA+1)*2 - počet následujících Bytů, který nesou textovou hodnotu (UTF-16)

(mimochodem, psaný je to v IronPythonu)

LOOCAS: pokud chces libovolne menit obsah toho streamu, jako ze jednotlive objekty muzou menit sve hodnoty a velikost, tak se z toho, pokud je to opravdu klasicky Stream, "pobavis".

Asi nacist vsechno do pameti jako deserializaci objektu v linked list seznamu (za predpokladu, ze je potrea nejak poradi).
Nebo projet cely stream a zjistit si indexy, na kterych zacinaji jednotlive objekty, a udelat si dictionary ID/index

zaroven bych asi musel definovat i nejvyssi pocet znaku v patternu, protoze jinak by mi to zakonite vratilo jen cely retezec jako ze se jednou opakuje.

ANDY_WARHOL: vybralo by to zaroven ty nejdelsi nejdriv.

H_U_N_T_E_R: chtel bych nejak definovat nejmensi pocet znaku v tom patternu, takze tvuj priklad bych definoval ze chci mit 2
a pak by vystup byl jen abab - 2x
protoze to co uz by jednou v tom paternu bylo by se uz nepocitalo znovu.
proste vypichnout unikatni co nejdelsi sequence

LOOCAS: proč to máš jako pole bytů? Pokud to není stream, tak si to stejně celý načítáš do paměti a ukládáš zpětně, pak bych použil nějakou vhodnější strukturu a custom serializaci/deserializaci. A jelikož se ti to vejde do paměti, tak rozdíl mezi zpracováním RAW pole a nějakého spojáků/něčeho jiného bude minimální.

ANDY_WARHOL: co je nejdelší opakující se sekvence znaků?
pro vstup "ababfabab" chceš mít výstup:
abab - 2x
ab - 4x
a - 4x
b - 4x

a f protože se neopakuje tam nemít?

mam taky dotaz. potreboval bych vyhledat v retezci nejdelsi opakujici se sekvence znaku. jak byste na to sli ?
nemam moc napad jak to udelat a na internetu sem nic moc nenasel.

LOOCAS: Ukazatel do toho pole?

Zdravim vespolek. :)

Mám tu jeden trochu nevšední problém. Potřebuju nějakym rozumnym způsobem parsovat ByteArray, bohužel je to ale proměnlivě veliký pole v závislosti na obsahu.

Ten stream objekt, kterej dostanu se sestává z následujících Bytů:

16 Bytů - vyhrazeno pro ID
4 Byty - délka následujícího stringu (UTF-16) (uložíme do proměnný DYLKA)
Len(DYLKA+1)*2 - počet následujících Bytů, který nesou textovou hodnotu (UTF-16)
4 Byty - délka násleudjícího stringu (UTF-16) (uložíme do proměnný DALSIDYLKA)
Len(DALSIDYLKA+1)*2 - počet následujících Bytů, který nesou textovou hodnotu (UTF-16)

A tohle se v tom streamu opakuje různě krát (podle toho, kolik těch textovejch proměnnejch je uloženo).

Máte někdo tip na to, jak efektivně podobnej stream parsovat a měnit jeho hodnoty? Zajímaj mě vždycky jen ty stringy, který budu měnit + zapisovat jejich novou dýlku. Celý je to stream Bytů (resp. ByteArray) a já bohužel nevim, kde začít, jak iterovat přes ty Byty s proměnlivou velikostí kroku.

Předem díky za tipy.