PHP でバイナリプログラミン グ 2010/05/11 よや

はじめに PHP でバイナリ処理の話をあまり聞かない ので、あえてニッチを狙って ( 多分、 PHP 勉強会らしくない ) 発表をさせて頂きます。 キーワード : Binary 、 Format, Byte, デモ : JPEG から GPS 抜き出し (pure PHP で ) PHP というより、バイナリ入門といった要 素が強いですが、多分 … 、いつかお役に立 つ日が来ると思います。どうか、ご容赦 ください。

一応、自己紹介 でプログラミン グしてて困った事とか書いてます。 一昨年位まで、数十万ユーザ規模の携帯 サイトでアプリ開発をしていました。 – その時に、 PHP で主に動画や画像のフォー マットを弄るお仕事をしていました。フレー ムワークとかよく知りません。 今も、一応 PHP でお仕事してます。あと、 C 言語もたまに使います。

まずは、バイナリの定義 Wikipedia より – 通常バイナリとテキストは対比して用いられ る。 テキストとはデータの内容すべてを人間 が読んで理解できる (human-readable) 表現形 式を指し、 バイナリとはそうでない表現形式 を指すことが多い。 なので、本発表では、バイナリファイル の事を、 – テキストエディタで開いて読めない文字とか 記号が表示されるようなファイル。 という事にしておきます。

バイナリの実例 linux 等 UNIX 系 OS には ( 多分 ) hexdump とい うコマンドがあります。 -C オプションが 便利。 % hexdump -C aria.gif % hexdump -C kuriboo.png

バイナリの実感 先頭の４文字を見るとファイルの種類が 大体分かるようになっていて、その後ろ にはよく分からないデータが続いてます。 普通はここで読むのを諦めるのですが、 このよく分からないデータを PHP で解釈 して、欲しいデータを抜き出す方法につ いて説明します。

PHP とバイナリ PHP の string 型でバイナリ処理が 簡単 に出来るよ！ というのが今回、紹介する Tips の肝です。 （注 ) PHP6 では UTF-8 対応したり取りやめたりと 怪しいので、今回の発表はとりあえず、 PHP5(PHP4 も多分大丈夫 ) only での話しだと思って ください。

本当に PHP の string 型でバイナリ 処理できるの？ ぱっと思いつく不安としては、 \0 文字列終端 8bit スルー

( 不安その 1) \0 は？ C 言語が典型で、 \0 を文字列の ( 最後を表す ) 終端 マークとして使う処理系も結構ある。 string 型を バイナリデータとして使う場合に、間に \0 が入る 事で途中で切れないかという不安。 簡単に確認 → 確認完了 \0 で途切れない。

( 不安その 2) 8bit スルー？ 1 文字は 1byte で、 1byte は 8bit で構成されますが、 US-ASCII は 7bit で表現できるので、先頭 1bit が特 別扱いされたりしない？ 8bit スルーです。日本語とかも入れられるし当然 ですね。

バイナリを取り込んでそのまま出 力 でも、細かい事考えなくても、バイナリファイルを取 り込んで、何も変えずに出力して同じデータに戻れば、 ＯＫですよね。 入力をそのまま出力して、同じデータになりました。 後は、この途中でデータを分割したり結合したり、入 れ替えたりすれば編集できる事になります。

Byte 処理 String 関数が使えます – strlen ( データサイズを調べる。呼ぶたびに文字数を数えたりし ないので安心 ) ☆ – substr ( データから一部を抜き出す ) ☆ – substr_replace ( データの一部を入れ替える ) – strrev ( データの前後を逆にする ) Endian 処理に便利 ☆ – chr 数値 => 文字 ( バイナリ 1byte) ☆ – ord 文字 ( バイナリ 1byte) => 数値 ☆ – bin2hex ダンプするのに便利です ☆ これだけ分かれば大丈夫。 ( 今回の発表では、☆のついた関数 が出てきます ) pack 関連は次回発表の機会があれば … さて、 JPEG で試してみます。

JPEG の解析 今回のデモ iPhone で写真を撮ると、位置情報が付くらしい JPEG から GPS 情報を抜き出す (JPEG > Exif(Tiff) > GPSInfo) 2 重にくるまれてる …

初めの一歩 まずファイルを開いてみる 見てても読めないし法則も分からない。

JPEG フォーマットでググる 「 JPEG フォーマット 仕様」でググってみ る – bit は 2 byte に相当。 ffxx で区切るらしい。 眺めていると、何となくピンと来るはず。

JPEG を marker で分割してみる この ffxx のマークで分割してみます。 – Marker の種類 FFD8, FFE0, FFDB, FFC4, FFC0, FFC1, FFDD, FFDA … etc

データを切り出すクラス まず、バイナリの先頭から Byte を切り出 すクラスを作成 内部的に、何処まで読んだか (cursor) を覚 えておいて、そこから substr で一部の データを切り出すだけのクラス

marker 一個目 によれ ば、初めのマーカーは FFD8 (Start of Image)

Marker 逐次処理 SOI (Start of Image) と EOI (End of Image) は マーカー (2byte) だけ APP0, APP1, 等殆どのタグはマーカー (2byte) に続いて、長さ (2byte) 、その後ろ にデータが ( 長さ -2 分の ) 続く SOS は EOI の直前まで続く ( 途中で RST と いう別のタグがあるが、今回は中にまと めちゃう )

Marker 逐次処理コード

Marker 分割結果 分割できた

Marker の照らし合わせ

GPS 情報は Exif にくるまれてる 「 JPEG GPS フォーマット 仕様」でググる – ail/q ail/q 「 JPEG exif フォーマット 仕様」でググる – – /AboutExif.htm /AboutExif.htm – APP1 に入っているらしい。 ディレクトリ構造らしい。 ( 面倒そう …)

Little Endian ？ Exif は Little Endian を使う事があるらしい バイナリを 16 進で見た並び => 対応する整 数値 – Big Endian – Little Endian

ByteStream の LittleEndian 対応

APP1 の抽出 JPEG を分解するついでに $jpeg_chunk 配列 に格納して $jpeg_chunk 配列から APP1 で Exif のデータ を抜き出す

Exif 分解コード

Exif 分解結果

GPSInfo の分解 GPS は GPSInfo というタグに入っているら しい 「 JPEG exif GPSInfo フォーマット 仕様」で ググる –

GPSInfo の分解コード

GPSInfo 分解結果 N は北緯、 E は東経、他は座標値等々 …

Bit 処理は … Byte を更に細かく区切った Bit 処理 (0,1 の データ ) もお話したかったのですが、時間 に収まらなかったのでもし要望があれば 次回に発表します。

まとめ バイナリは大抵 TLC 構造か、難しくても ディレクトリ構造なので、これらが分か れば大抵処理可能。今回は両方処理しま した。 TLC 構造 ディレクトリ構造

蛇足的な Tips PHP の閉じタグ ?> は使わない。 ?> の後ろに改行やゴ ミ文字があった場合に、テキストなら最後にゴミが付 くだけで大きな問題になりにくいが、バイナリだと致 命的。 $s = '' 等、文字列でも文字数が 0 だと、 $s{3} = 'A' とし た場合に、 array([3] => "A"); のように配列になる。 $s = ‘ ‘( 空白 1 文字 ) 等としとくと、 string(4) " A" のように 思った通りいく。足りない分は 0x20( スペース ) で padding されるのに注意 C 言語なら文字列から１文字抜き出して ASCII コードと して使えるが、 PHP の場合は文字は ord で ASCII コード 値に変換して、文字に戻す時は chr() を通す必要があ る。

次回予告 ( ？） 今回、 PHP らしくない力づくのスマートでない手 法の紹介でした。 もし、次回の要望があれば、 Flash SWF の書き換え について発表したいです。 Flash SWF は bit と signed 処理の組み合わせがあっ たりと、そこそこ面倒なので、今回の発表から外 しました。 Google 検索 : yoya swfed

あ…あ… ここまで頑張っておいて何ですが … /php-5.2.9/ext/exif/ data.php data.php var_dump(exif_read_data($argv[1])); ！！！！！！！！

以上です ありがとうございました。