从 Windows 中的音频文件中提取嵌入的 XML 数据

Question

我们有一个记录呼叫中心呼叫的平台，并在 wav 文件末尾添加一些 xml，其中保存有关该呼叫的重要元数据。

我正在尝试读取这些 wav 文件的文件夹并将元数据拉入用户的列表中，他们的偏好是列表位于 Excel 中，但是我正在努力寻找一种可靠工作的方法在普通的 Windows 计算机上，无需安装特殊的东西，例如 Python。

就像 Excel 有一个 xml 导入功能，但是失败了，因为 xml 位于文件的末尾，而 excel 从头开始读取并被音频部分混淆，只需跳到 并从那里读取直到 <\recording> .

我在powershell中尝试了以下操作：

$directory = "C:\test"
$wavFiles = Get-ChildItem -Path $directory -Filter *.wav

foreach ($file in $wavFiles) {
    Write-Host "Processing file: $($file.Name)"
    $content = Get-Content -Path $file.FullName -Raw -Encoding Byte
    $decodedContent = [System.Text.Encoding]::UTF8.GetString($content)
    $match = [regex]::Match($decodedContent, '<recording>.+?</recording>')
    if ($match.Success) {
        $xmlContent = $match.Value
        Write-Host "Found XML in file $($file.Name):"
        Write-Host $xmlContent
    } else {
        Write-Host "No XML found in file $($file.Name)."
    }
}

这可以正确定位文件，但无法解析 xml。在记事本++等文本编辑器中打开文件时可以看到它

处理文件：131346032527__8115_02-13-2024-11-12-58.wav

在文件 131346032527__8115_02-13-2024-11-12-58.wav 中找不到 XML。

有什么想法吗？

Answer 1

终于提取出Xml了。我使用Xml Linq来解析。

using assembly System.Xml.Linq 

$filename = 'c:\temp\test.wav';

enum Wave {
   PCM = 0x0001
   IBM_MULAW = 0x0101
   IBM_ALAW = 0x0102
   IBM_ADPCM = 0x0103
}

$stream = [System.IO.File]::OpenRead($filename);
$bReader = [System.IO.BinaryReader]::New($stream);
$length = $bReader.BaseStream.Length;

while ($bReader.BaseStream.Position -lt $length)
{
   $identifier = $bReader.ReadBytes(4);
   $identifiedStr = [System.Text.Encoding]::UTF8.GetString($identifier);
   $size = [System.BitConverter]::ToInt32($bReader.ReadBytes(4), 0);
   $chunk = $bReader.ReadBytes($size);

   #if odd read padding byte
   if($size % 2 -eq 1) { $bReader.ReadByte(); }

   #if odd read padding byte
   if($size % 2 -eq 1) {$bReader.ReadByte();}

   if ($identifiedStr -eq 'RIFF')
   {
      $chunkIdent = [System.Text.Encoding]::UTF8.GetString($chunk, 0, 4).Trim();

      $offset = 4;

      if($chunkIdent -eq "WAVE")
      {
         while ($offset -lt $chunk.Length)
         {
 
             $chunktypeStr = [System.Text.Encoding]::UTF8.GetString($chunk, $offset, 4).Trim();
             Write-Host 'Chunk Ident = '$chunkIdent ', Chunk Type = '$chunktypeStr

             $chunkTypeLength = [System.BitConverter]::ToInt32($chunk, $offset + 4);


             switch ($chunktypeStr)
             {
                'fmt'   {
                           $category = [Wave][System.BitConverter]::ToInt16($chunk, $offset + 8);
                           $channels = [System.BitConverter]::ToInt16($chunk, $offset + 10);
                           $samplePerChannel = [System.BitConverter]::ToInt32($chunk, $offset + 12);
                           $averageBytesPerSample = [System.BitConverter]::ToInt32($chunk, $offset + 16);
                           Write-Host 'Format : Category = '$category.ToString() ', Channels = '$channels ', Samples per channel = '$samplePerChannel ', Average Bytes per Sample = '$averageBytesPerSample
                           $blockAlign = [System.BitConverter]::ToInt16($chunk, $offset + 20);
                        }
                 'data' {
                           $data = [System.Text.Encoding]::UTF8.GetString($chunk, $offset,$chunk.Length - $offset);
                        }
                 'iXML' {
                            $xml = [System.Text.Encoding]::UTF8.GetString($chunk, $offset + 8, $chunkTypeLength - $offset - 8);
                            $doc = [System.Xml.Linq.XDocument]::Parse($xml);
                        }
                 default {
                 }
             }


             $offset += $chunkTypeLength + 8
             if($chunkTypeLength %2 -eq 1) { $offset += 1}
         }
      }
   }
}

Answer 2

我做了一些尝试，在让正则表达式匹配时遇到了类似的问题。我发现通过删除设置中的“r”n 字符并将整个原始字符串折叠为 1 行，我能够使模式匹配对齐。请参阅示例。

$decodedContent = @"
This is a bunch of garbage
<recording>
    <Title>My Thing</Title>
    <Date>1-2-24</Date>
    <meta>12345</meta>
</recording>
A bunch of other garbage
"@
$match = [regex]::Match(($decodedContent.Replace("`r`n","")),'<recording>.+?</recording>')
$xmlContent = $match.Value
[xml]$xml = $xmlContent