Add Typed TSV serialization
This commit is contained in:
parent
bb750fac58
commit
ea77db46a6
@ -28,6 +28,9 @@ public class SaneTsv
|
|||||||
COMMENTED_TSV = 2,
|
COMMENTED_TSV = 2,
|
||||||
}
|
}
|
||||||
|
|
||||||
|
public static readonly byte[] TrueEncoded = Encoding.UTF8.GetBytes("TRUE");
|
||||||
|
public static readonly byte[] FalseEncoded = Encoding.UTF8.GetBytes("FALSE");
|
||||||
|
|
||||||
// TODO: We need to be able to update all these in tandem somehow
|
// TODO: We need to be able to update all these in tandem somehow
|
||||||
public string[] ColumnNames { get; protected set; }
|
public string[] ColumnNames { get; protected set; }
|
||||||
public Type[] ColumnTypes { get; protected set; }
|
public Type[] ColumnTypes { get; protected set; }
|
||||||
@ -145,7 +148,8 @@ public class SaneTsv
|
|||||||
|
|
||||||
string columnTypeString;
|
string columnTypeString;
|
||||||
string columnName;
|
string columnName;
|
||||||
if (columnString.Contains(':')) {
|
if (columnString.Contains(':'))
|
||||||
|
{
|
||||||
if (format == FormatType.SIMPLE_TSV)
|
if (format == FormatType.SIMPLE_TSV)
|
||||||
{
|
{
|
||||||
throw new Exception($"Header {fields.Count} contain ':', which is not allowed for column names");
|
throw new Exception($"Header {fields.Count} contain ':', which is not allowed for column names");
|
||||||
@ -548,6 +552,317 @@ public class SaneTsv
|
|||||||
return Encoding.UTF8.GetBytes(escapedString.ToString());
|
return Encoding.UTF8.GetBytes(escapedString.ToString());
|
||||||
}
|
}
|
||||||
|
|
||||||
|
public static Type GetColumnFromType(Type type)
|
||||||
|
{
|
||||||
|
if (type == typeof(string))
|
||||||
|
{
|
||||||
|
return typeof(StringType);
|
||||||
|
}
|
||||||
|
else if (type == typeof(bool))
|
||||||
|
{
|
||||||
|
return typeof(BooleanType);
|
||||||
|
}
|
||||||
|
else if (type == typeof(float))
|
||||||
|
{
|
||||||
|
return typeof(Float32Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(double))
|
||||||
|
{
|
||||||
|
return typeof(Float64Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(UInt32))
|
||||||
|
{
|
||||||
|
return typeof(UInt32Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(UInt64))
|
||||||
|
{
|
||||||
|
return typeof(UInt64Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(Int32))
|
||||||
|
{
|
||||||
|
return typeof(Int32Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(Int64))
|
||||||
|
{
|
||||||
|
return typeof(Int64Type);
|
||||||
|
}
|
||||||
|
else if (type == typeof(byte[]))
|
||||||
|
{
|
||||||
|
return typeof(BinaryType);
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
throw new Exception($"Invalid type: {type}");
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
public static string GetNameFromColumn(Type type)
|
||||||
|
{
|
||||||
|
if (type == typeof(StringType))
|
||||||
|
{
|
||||||
|
return "string";
|
||||||
|
}
|
||||||
|
else if (type == typeof(BooleanType))
|
||||||
|
{
|
||||||
|
return "boolean";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Float32Type))
|
||||||
|
{
|
||||||
|
return "float32";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Float32LEType))
|
||||||
|
{
|
||||||
|
return "float32-le";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Float64Type))
|
||||||
|
{
|
||||||
|
return "float64";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Float64LEType))
|
||||||
|
{
|
||||||
|
return "float64-le";
|
||||||
|
}
|
||||||
|
else if (type == typeof(UInt32Type))
|
||||||
|
{
|
||||||
|
return "uint32";
|
||||||
|
}
|
||||||
|
else if (type == typeof(UInt64Type))
|
||||||
|
{
|
||||||
|
return "uint64";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Int32Type))
|
||||||
|
{
|
||||||
|
return "int32";
|
||||||
|
}
|
||||||
|
else if (type == typeof(Int64Type))
|
||||||
|
{
|
||||||
|
return "int64";
|
||||||
|
}
|
||||||
|
else if (type == typeof(BinaryType))
|
||||||
|
{
|
||||||
|
return "binary";
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
throw new Exception($"Invalid type: {type}");
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
public static byte[] SerializeTypedTsv(IList<Type> headerTypes, IList<string> headerNames, IList<IList<object>> data)
|
||||||
|
{
|
||||||
|
var bytes = new List<byte>();
|
||||||
|
|
||||||
|
if (headerNames.Count != headerTypes.Count)
|
||||||
|
{
|
||||||
|
throw new ArgumentException($"headerTypes length ({headerTypes.Count}) does not match headerNames length ({headerNames.Count})");
|
||||||
|
}
|
||||||
|
|
||||||
|
// Serialize header
|
||||||
|
for (int i = 0; i < headerNames.Count; i++)
|
||||||
|
{
|
||||||
|
for (int j = i + 1; j < headerNames.Count; j++)
|
||||||
|
{
|
||||||
|
if (headerNames[i] == headerNames[j])
|
||||||
|
{
|
||||||
|
throw new Exception("Column names in header must be unique");
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
byte[] nameEncoded = Encoding.UTF8.GetBytes(headerNames[i]);
|
||||||
|
|
||||||
|
for (int j = 0; j < nameEncoded.Length; j++)
|
||||||
|
{
|
||||||
|
if (nameEncoded[j] == '\n')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'n');
|
||||||
|
}
|
||||||
|
else if (nameEncoded[j] == '\t')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'t');
|
||||||
|
}
|
||||||
|
else if (nameEncoded[j] == '\\')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
}
|
||||||
|
else if (nameEncoded[j] == '#')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'#');
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
bytes.Add(nameEncoded[j]);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
bytes.Add((byte)':');
|
||||||
|
try
|
||||||
|
{
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(GetNameFromColumn(headerTypes[i])));
|
||||||
|
}
|
||||||
|
catch (Exception e)
|
||||||
|
{
|
||||||
|
throw new Exception($"Invalid header type for column {i}", e);
|
||||||
|
}
|
||||||
|
|
||||||
|
if (i == headerNames.Count - 1)
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\n');
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\t');
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Serialize data
|
||||||
|
for (int i = 0; i < data.Count; i++)
|
||||||
|
{
|
||||||
|
for (int j = 0; j < data[i].Count; j++)
|
||||||
|
{
|
||||||
|
try
|
||||||
|
{
|
||||||
|
byte[] fieldEncoded;
|
||||||
|
|
||||||
|
if (headerTypes[j] == typeof(StringType))
|
||||||
|
{
|
||||||
|
fieldEncoded = Encoding.UTF8.GetBytes((string)data[i][j]);
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(BooleanType))
|
||||||
|
{
|
||||||
|
bytes.AddRange((bool)data[i][j] ? TrueEncoded : FalseEncoded);
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Float32Type))
|
||||||
|
{
|
||||||
|
// See https://learn.microsoft.com/en-us/dotnet/standard/base-types/standard-numeric-format-strings#round-trip-format-specifier-r
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((float)data[i][j]).ToString("G9")));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Float32LEType))
|
||||||
|
{
|
||||||
|
if (LittleEndian)
|
||||||
|
{
|
||||||
|
fieldEncoded = BitConverter.GetBytes((float)data[i][j]);
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
byte[] floatBytes = BitConverter.GetBytes((float)data[i][j]);
|
||||||
|
fieldEncoded = new byte[sizeof(float)];
|
||||||
|
for (int k = 0; k < sizeof(float); k++)
|
||||||
|
{
|
||||||
|
fieldEncoded[k] = floatBytes[sizeof(float) - 1 - k];
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Float64Type))
|
||||||
|
{
|
||||||
|
// See https://learn.microsoft.com/en-us/dotnet/standard/base-types/standard-numeric-format-strings#round-trip-format-specifier-r
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((double)data[i][j]).ToString("G17")));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Float64LEType))
|
||||||
|
{
|
||||||
|
if (LittleEndian)
|
||||||
|
{
|
||||||
|
fieldEncoded = BitConverter.GetBytes((double)data[i][j]);
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
byte[] doubleBytes = BitConverter.GetBytes((double)data[i][j]);
|
||||||
|
fieldEncoded = new byte[sizeof(double)];
|
||||||
|
for (int k = 0; k < sizeof(double); k++)
|
||||||
|
{
|
||||||
|
fieldEncoded[k] = doubleBytes[sizeof(double) - 1 - k];
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(UInt32Type))
|
||||||
|
{
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((UInt32)data[i][j]).ToString()));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(UInt64Type))
|
||||||
|
{
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((UInt64)data[i][j]).ToString()));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Int32Type))
|
||||||
|
{
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((Int32)data[i][j]).ToString()));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(Int64Type))
|
||||||
|
{
|
||||||
|
bytes.AddRange(Encoding.UTF8.GetBytes(((Int64)data[i][j]).ToString()));
|
||||||
|
// In this case we know these values don't need escaping
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
else if (headerTypes[j] == typeof(BinaryType))
|
||||||
|
{
|
||||||
|
fieldEncoded = (byte[])data[i][j];
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
throw new Exception($"Unexpected column type {headerTypes[j]} for column {j}");
|
||||||
|
}
|
||||||
|
|
||||||
|
for (int k = 0; k < fieldEncoded.Length; k++)
|
||||||
|
{
|
||||||
|
if (fieldEncoded[k] == '\n')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'n');
|
||||||
|
}
|
||||||
|
else if (fieldEncoded[k] == '\t')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'t');
|
||||||
|
}
|
||||||
|
else if (fieldEncoded[k] == '\\')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
}
|
||||||
|
else if (fieldEncoded[k] == '#')
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\\');
|
||||||
|
bytes.Add((byte)'#');
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
bytes.Add(fieldEncoded[k]);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (j == headerNames.Count - 1)
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\n');
|
||||||
|
}
|
||||||
|
else
|
||||||
|
{
|
||||||
|
bytes.Add((byte)'\t');
|
||||||
|
}
|
||||||
|
}
|
||||||
|
catch (InvalidCastException e)
|
||||||
|
{
|
||||||
|
throw new Exception($"Record {i}, field {j} expected type compatible with {GetNameFromColumn(headerTypes[j])}", e);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return bytes.ToArray();
|
||||||
|
}
|
||||||
|
|
||||||
public SaneTsvRecord this[int i] => Records[i];
|
public SaneTsvRecord this[int i] => Records[i];
|
||||||
|
|
||||||
public class SaneTsvRecord
|
public class SaneTsvRecord
|
||||||
|
Loading…
Reference in New Issue
Block a user