]> sigrok.org Git - libsigrok.git/commitdiff
input/csv: add automatic format match support
authorGerhard Sittig <redacted>
Fri, 18 Oct 2019 20:26:22 +0000 (22:26 +0200)
committerGerhard Sittig <redacted>
Sat, 21 Dec 2019 17:20:04 +0000 (18:20 +0100)
Implement .format_match() support in the CSV input module. Simple
multi-column files will automatically load without an "-I csv" spec.
Non-default option values still do require the module selection before
options can get passed to the module.

src/input/csv.c

index ba50e2ca8b5286c5ec2536be4ca9df8de398251f..4c4143e24cb9e4496507685dfc10a974ac50fc98 100644 (file)
 
 #include "config.h"
 
+#include <ctype.h>
 #include <glib.h>
 #include <stdlib.h>
 #include <string.h>
+#include <strings.h>
 
 #include <libsigrok/libsigrok.h>
 #include "libsigrok-internal.h"
@@ -1026,6 +1028,125 @@ static const col_parse_cb col_parse_funcs[] = {
        [FORMAT_TIME] = parse_timestamp,
 };
 
+/*
+ * BEWARE! Implementor's notes. Sync with feature set and default option
+ * values required during maintenance of the input module implementation.
+ *
+ * When applications invoke .format_match() routines, trying automatic
+ * determination of an input file's format handler, then no options are
+ * in effect. Because specifying options requires selection of an input
+ * module to pass the options to, which obsoletes the format-match check.
+ *
+ * Which means that we only need to deal with the default format here,
+ * which happens to be the simple multi-column format without header
+ * lines or leading garbage. Which means that the check can be rather
+ * strict, resulting in high levels of confidence upon match, never
+ * "accidently" winning for unreadable or unsupported-by-default formats.
+ *
+ * This .format_match() logic only needs to become more involved when
+ * default option values change, or when automatic detection of column
+ * data types improves. Then the supported-by-default types of input
+ * data must be considered acceptable here in the format-match check
+ * as well.
+ *
+ * Notice that the format check cannot re-use regular processing logic
+ * when their implementation assumes proper input data and wll generate
+ * diagnostics for unexpected input data. Failure to match the format is
+ * non-fatal here, mismatch must remain silent. It's up to applications
+ * how large a chunk of data gets passed here (start of the file's
+ * content). But inspection of the first few hundred bytes will usually
+ * be GoodEnough(TM) for the format-match purpose. Notice that filenames
+ * need not necessarily be available to the format-match routine.
+ *
+ * This implementation errs on the safe side. Users can always select
+ * the CSV input module when automatic format detection fails.
+ */
+static int format_match(GHashTable *metadata, unsigned int *confidence)
+{
+       const int match_confidence = 100;
+       const char *default_extension = ".csv";
+       const char *line_termination = "\n";
+       const char *comment_leader = ";";
+       const char *column_separator = ",";
+       const char *binary_charset = "01";
+
+       const char *fn;
+       GString *buf;
+       size_t fn_len;
+       GString *tmpbuf;
+       gboolean status;
+       size_t line_idx, col_idx;
+       char *rdptr, **lines, *line;
+       char **cols, *col;
+
+       /* Get the application provided input data properties. */
+       fn = g_hash_table_lookup(metadata, GINT_TO_POINTER(SR_INPUT_META_FILENAME));
+       buf = g_hash_table_lookup(metadata, GINT_TO_POINTER(SR_INPUT_META_HEADER));
+
+       /* Filenames are a strong hint. Use then when available. */
+       if (fn && *fn && (fn_len = strlen(fn)) >= strlen(default_extension)) {
+               if (strcasecmp(&fn[fn_len - strlen(default_extension)], default_extension) == 0) {
+                       *confidence = 10;
+                       return SR_OK;
+               }
+       }
+
+       /*
+        * Check file content for compatibility with the input module's
+        * default format. Which translates to:
+        * - Must be at least one text line worth of input data. Ignore
+        *   incomplete lines at the end of the available buffer.
+        * - Must be LF terminated text lines, optional CR-LF sequence.
+        *   (Drop CR-only for simplicity since that's rare and users
+        *   can override the automatic detection.)
+        * - Strip comments and skip empty lines.
+        * - Data lines must be binary input (potentially multiple bits
+        *   per column which then get ignored). Presence of comma is
+        *   optional but then must be followed by another data column.
+        * - No other content is acceptable, there neither are ignored
+        *   columns nor analog data nor timestamps in the default layout.
+        *   (See the above "sync format match with default options"
+        *   comment though during maintenance!)
+        * Run the check on a copy to not affect the caller's buffer.
+        */
+       if (!buf || !buf->len || !buf->str || !*buf->str)
+               return SR_ERR;
+       rdptr = g_strstr_len(buf->str, buf->len, line_termination);
+       if (!rdptr)
+               return SR_ERR;
+       tmpbuf = g_string_new_len(buf->str, rdptr + 1 - buf->str);
+       tmpbuf->str[tmpbuf->len - 1] = '\0';
+       status = TRUE;
+       *confidence = match_confidence;
+       lines = g_strsplit(tmpbuf->str, line_termination, 0);
+       for (line_idx = 0; status && (line = lines[line_idx]); line_idx++) {
+               rdptr = strstr(line, comment_leader);
+               if (rdptr)
+                       *rdptr = '\0';
+               line = g_strstrip(line);
+               if (!line || !*line)
+                       continue;
+               cols = g_strsplit(line, column_separator, 0);
+               if (!cols) {
+                       status = FALSE;
+                       break;
+               }
+               for (col_idx = 0; status && (col = cols[col_idx]); col_idx++) {
+                       if (strspn(col, binary_charset) != strlen(col)) {
+                               status = FALSE;
+                               break;
+                       }
+               }
+               g_strfreev(cols);
+       }
+       g_strfreev(lines);
+       g_string_free(tmpbuf, TRUE);
+
+       if (!status)
+               return SR_ERR;
+       return SR_OK;
+}
+
 static int init(struct sr_input *in, GHashTable *options)
 {
        struct context *inc;
@@ -1678,7 +1799,9 @@ SR_PRIV struct sr_input_module input_csv = {
        .name = "CSV",
        .desc = "Comma-separated values",
        .exts = (const char*[]){"csv", NULL},
+       .metadata = { SR_INPUT_META_FILENAME, SR_INPUT_META_HEADER | SR_INPUT_META_REQUIRED },
        .options = get_options,
+       .format_match = format_match,
        .init = init,
        .receive = receive,
        .end = end,