1. 车载日志文件格式识别与解析入口构建

问题定位：来源混杂时，解析器无法自动分派

CTCS车载设备通常同时输出多类日志：ATP主控的二进制记录文件、事件文本日志、DMI操作日志，甚至BTM/应答器相关记录。这些文件在扩展名、命名规则上往往不可靠——现场常见.dat、.log、.txt混用，甚至同一扩展名下并存二进制与文本两种内容。若解析入口只按扩展名分派，必然出现“用文本解析器读二进制”或“用二进制解析器读文本”的错配。

因此解析入口的第一道工序不是解析内容，而是基于文件头特征做内容级识别，再据此分派到对应解析器。本节构建一个可运行的识别与分派入口：读取文件前若干字节，按特征表匹配，输出文件类型与解析器标识；无法识别时进入待定队列而非静默失败。

文件头特征设计

识别依据应选择“稳定、短、区分度高”的字节特征。以下为教学示例中约定的特征表（实际项目中应以设备文档或样本统计为准）：

识别顺序上，先判二进制魔数（长度固定、误判率低），再判文本行首标记。文本判定需容忍BOM与前后空白，避免因编码差异漏判。

识别与分派入口的实现

入口函数只做三件事：读头部、按特征表匹配、返回分派结果。解析器本身不在此处实现，入口只负责“认路”。以下代码可直接运行，示例文件由脚本生成，便于验证。

import os
import struct

# 特征表：类型标识 -> (匹配函数, 解析器名)
MAGIC_TABLE = [
    (b"ATPB", "ATP_BIN", "parse_atp_binary"),
    (b"BTMR", "BTM_REC", "parse_btm_record"),
]
TEXT_MARKERS = [
    (b"[EVT]", "EVT_TEXT", "parse_event_text"),
    (b"DMI|", "DMI_OP", "parse_dmi_op"),
]

def read_head(path, n=64):
    with open(path, "rb") as f:
        return f.read(n)

def strip_bom(head):
    if head.startswith(b"\xef\xbb\xbf"):
        return head[3:]
    return head

def identify(path):
    head = read_head(path)
    if not head:
        return {"file_type": "EMPTY", "parser": None,
                "confidence": "none", "raw_head": head}

    # 1) 二进制魔数优先
    for magic, ftype, parser in MAGIC_TABLE:
        if head.startswith(magic):
            return {"file_type": ftype, "parser": parser,
                    "confidence": "magic", "raw_head": head}

    # 2) 文本行首标记（容忍 BOM 与空白）
    text_head = strip_bom(head).lstrip()
    for marker, ftype, parser in TEXT_MARKERS:
        if text_head.startswith(marker):
            return {"file_type": ftype, "parser": parser,
                    "confidence": "marker", "raw_head": head}

    return {"file_type": "UNKNOWN", "parser": None,
            "confidence": "none", "raw_head": head}

def dispatch(paths):
    result = {}
    for p in paths:
        result[p] = identify(p)
    return result

用示例文件验证分派结果

构造四个最小样本文件，覆盖二进制魔数、文本标记与无法识别三种情况，验证入口是否按预期分派：

def make_samples(d="samples"):
    os.makedirs(d, exist_ok=True)
    files = {
        "atp.dat": b"ATPB" + struct.pack("<I", 1) + b"\x00" * 20,
        "btm.rec": b"BTMR" + b"\x01\x02\x03\x04" + b"\x00" * 16,
        "evt.log": b"[EVT] 2024-09-12 08:00:01 mode=C2\n",
        "dmi.txt": b"DMI|2024-09-12 08:00:02|btn=确认\n",
        "bad.bin": b"\x99\x88\x77\x66" + b"\x00" * 20,
    }
    for name, data in files.items():
        with open(os.path.join(d, name), "wb") as f:
            f.write(data)
    return [os.path.join(d, n) for n in files]

for path, info in dispatch(make_samples()).items():
    print(os.path.basename(path), "->", info["file_type"],
          "|", info["parser"], "|", info["confidence"])

预期输出（由上述输入直接推出，非实测）：

atp.dat -> ATP_BIN | parse_atp_binary | magic
btm.rec -> BTM_REC | parse_btm_record | magic
evt.log -> EVT_TEXT | parse_event_text | marker
dmi.txt -> DMI_OP | parse_dmi_op | marker
bad.bin -> UNKNOWN | None | none

结果判读与边界处理

• confidence 字段：magic 表示命中固定字节，可信度最高；marker 表示命中行首文本标记，需注意编码与BOM；none 表示未识别，必须进入待定队列。
• 空文件：单独标记为 EMPTY，与 UNKNOWN 区分，便于统计现场空日志比例。
• 头部不足 64 字节：read_head 返回实际长度，匹配逻辑不受影响；但若魔数跨越读取边界，应增大读取长度而非截断判断。
• 扩展名不参与判定：入口完全忽略文件名后缀，避免 .dat 混装两类内容时错配。

可直接使用的分派判定清单

完成以上入口后，后续解析器只需按 parser 字段注册即可接入，新增日志类型时仅扩展特征表，不改动分派主逻辑。