使用C#处理基于比特流的数据
0x00 起因
最近需要处理一些基于比特流的数据，计算机处理数据一般都是以byte（8bit）为单位的，使用binaryreader读取的数据也是如此，即使读取bool型也是一个byte。不过借助于c#基础类库中提供的一些方法，也实现了对基于比特的数据的读取。任务完成后觉得基于比特的数据挺有意思，自己试了下用7比特和6比特编码常用ascii字符。最后把一点新的写成博客，一方面做个记录，另一方面希望对有类似需求的园友有所帮助。
0x01 比特流数据的读取
假设我们有一个byte b = 35，而我们需要把其中的前4bit和后4bit分别读取为两个数字，那么应该怎么做呢。虽然没有在基础类库中找到现成的方法，但用二进制字符串中转一下，分两步也可以做到。
1、先把b表示为二进制字符串00100011
2、分别取其前后4bit转为数字，核心方法就是：
Convert.ToInt32("0010");这样就实现了基于比特的数据读取了。
关于第一步中把byte转化为二进制字符串有很多种方法，
1、最简单的Convert.ToString(b,2)。不够8位就在高位用0补足。
2、也可以把byte分别与1,2,4,8 … 128做与运算，由低到高取出各位。
3、也可以把byte和32做与运算，然后把byte左移再次与128做与运算。
其中第一种方法会产生大量的字符串对象，在第2、3种方法没有找到太大区别，我选择的3，纯靠感觉。代码如下：
public static char[] ByteToBinString(byte b)
{
var result = new char[8];
for (int i = 0; i <p>为了能将byte[]转化为二进制字符串，可以</p><pre class="brush:cpp;toolbar:false">Public string BitReader(byte[] data)
{
BinString = new StringBuilder(data.Length * 8);
for (int i = 0; i <p>这样一来当拿到byte[]数据时,可以转换为二进制字符串保存起来，根据偏移的bit位置和bit长度从中读取二进制字符串，并保转换为bool，Int16，Int32等。基于这个思路，可以写一个BitReader类，其中用StringBuilder存储二进制字符串，并提供Read方法从二进制字符串中读取数据。为了能够更好的处理数据流，在此基础上添加一个Position记录当前偏移，当使用某些Read方法读取数据时，Position也会相应移动。例如使用ReadInt16读取数据，BitReader会从Position当前位置，读取16bit并转换为Int16返回，同时Position向后移动16bit。区分方式就是当读取数据时需要指定起始的偏移位置时，Position不移动，直接从当前Position读取时Position移动，BitReader类部分代码如下：</p><pre class="brush:cpp;toolbar:false">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 <p>使用BitReader按照4bit从byte[] buff= {35,12};中读取数据可以这样：</p><pre class="brush:cpp;toolbar:false">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=50x02 比特流数据的写入
把数据写入比特流就是一个相反的过程，我们用BitWriter类实现，在其中存储StringBuilder保存二进制字符串，当写入数据时，需要传入数据并指定保存这个数据所需要的bit数。当写入完毕后可以将StringBuilder中保存的二进制字符串按照8bit转换为byte[]并返回。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 bitLength)
throw new Exception("len is too short");
var add = bitLength - bin.Length;
for (int i = 0; i <p>下面举个简单的例子：</p><pre class="brush:cpp;toolbar:false">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比特字符编码
我们常用的ASCII字符是使用8bit编码的，但其中真正常用的那些字符只有7bit，最高位为0，所以对于一篇英文文章，我们可以使用7bit重新编码而不损失信息。编码的过程就是把文章字符依次取出，并用BitWriter按照7bit写入，最后获取新编码的byte[]。为了能够正确读取，我们规定当读到8bit数据为2时代表数据开始，接下来16bit数据为后面字符个数。代码如下：
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 <p>同样读取数据的时候，我们先寻找开始标识符，然后读出字符个数，根据字符个数依次读取字符，代码如下：</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/code/11203" title="SmartB2B行业电子商务"><img
src="https://img.php.cn/upload/webcode/000/000/001/176532660140445.jpg" alt="SmartB2B行业电子商务" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/code/11203" title="SmartB2B行业电子商务">SmartB2B行业电子商务</a>
<p>SmartB2B 是一款基于PHP、MySQL、Smarty的B2B行业电子商务网站管理系统，系统提供了供求模型、企业模型、产品模型、人才招聘模型、资讯模型等模块，适用于想在行业里取得领先地位的企业快速假设B2B网站，可以运行于Linux与Windows等多重服务器环境，安装方便，使用灵活。 系统使用当前流行的PHP语言开发，以MySQL为数据库，采用B/S架构，MVC模式开发。融入了模型化、模板</p>
</div>
<a href="/xiazai/code/11203" title="SmartB2B行业电子商务" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><pre class="brush:cpp;toolbar:false">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 <p>由于数据头的存在，当编码几个字符时编码后数据反而更长了</p><p><img src="https://img.php.cn//upload/image/939/544/126/1476435734807981.png" title="1476435734807981.png" alt="1.png"></p><p>不过随着字符越多，编码后节省的越多。</p><p><img src="https://img.php.cn//upload/image/205/135/335/1476435753948327.png" title="1476435753948327.png" alt="1.png"></p><p style="max-width:90%">0x04 6比特字符编码</p><p>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。</p><p>编码过程：</p><p>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</p><pre class="brush:cpp;toolbar:false">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 <p>解码过程：</p><p>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：</p><pre class="brush:cpp;toolbar:false">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 <p>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。</p><p><img src="https://img.php.cn//upload/image/902/522/685/1476435800561631.png" title="1476435800561631.png" alt="1.png"></p><p>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。</p><p style="max-width:90%">0x05 写在最后</p><p>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。</p><p>示例代码：https://github.com/durow/TestArea/tree/master/BitStream</p><p><br></p> 
