کتابخانه Edison برای تجزیه و تحلیل ساختاریافته پیام‌های EDIFACT در پایتون

معرفی کتابخانه Edison و مشکل آن

استاندارد EDIFACT (مخفف Electronic Data Interchange for Administration, Commerce and Transport) یکی از پروتکل‌های قدیمی و رایج در تبادل الکترونیکی داده‌ها میان سازمان‌ها، خطوط هوایی و لجستیک است. پردازش این پیام‌ها به دلیل ساختار پیچیده و تو در تو معمولاً کار دشواری است. کتابخانه Edison که توسط تیم AmadeusITGroup توسعه داده شده، یک کتابخانه پایتون است که پیام‌های EDIFACT را به جای بررسی به شکل یک لیست تخت از پگمنت‌ها، به شکل یک درخت سینتکسی واقعی (Syntax Tree) مدل‌سازی می‌کند.

معماری و نحوه کارکرد

این کتابخانه با تبدیل درخت سینتکسی تعریف‌شده به یک ماشین حالت (State Machine)، انتقال بین سیگمنت‌ها را مدیریت می‌کند. هنگامی که یک کلاس پارسر می‌سازید، ساختار درختی پیام‌ها را مشخص می‌کنید و سپس می‌توانید عملیات تجزیه (Parsing)، اعتبارسنجی (Validation) و چاپ زیبا (Pretty-printing) را روی پیام‌ها اجرا کنید.

از ویژگی‌های فنی برجسته این ابزار می‌توان به موارد زیر اشاره کرد:

• تعریف درخت‌های سینتکسی مستقیماً درون کدهای پایتون.
• پشتیبانی از گروه‌های تو در تو به صورت مشروط (Conditional)، اجباری (Mandatory) یا قابل تکرار (Repeatable).
• امکان اتصال متدهای بازگشتی (Callbacks) به سیگمنت‌های دلخواه.
• مدیریت نسخه‌های مختلف پیام‌ها و تطبیق ساختار با نسخه موردنظر.
• پشتیبانی از کاراکترهایescaping در جداکننده‌ها و کاراکترهای کنترلی EBCDIC.
• قابلیت خروجی گرفتن از گراف انتقال‌ها به کمک pydot و ابزار Graphviz.

نحوه استفاده و نصب

برای نصب این کتابخانه نیازمند پایتون نسخه ۳.۱۲ یا بالاتر هستید و نصب آن با دستور زیر انجام می‌شود:

pip install edison-parser

برای استفاده، کافی است از کلاس BaseParser ارث‌بری کرده و اسکیمای پیام خود را تعریف کنید:

from edison import BaseParser

class SimpleParser(BaseParser):
    schemas = {
        (0, 0): [
            ["UNH"],
            ["BGM", [], "parse_bgm"],
            ["UNT"],
        ],
    }

    def parse_bgm(self, segment: str):
        print(f"Found BGM: {segment}")

سیگنال‌های بلوغ و نگاه جامعه برنامه‌نویسان

این مخزن تحت مجوز آزاد MIT منتشر شده است. در بحث‌ها و تبادل‌نظرهای هکرنیوز، کاربران به ماهیت و اصطلاح «درخت سینتکسی واقعی» (Real Syntax Tree) اشاره کردند و آن را با درخت‌های سینتکسی انتزاعی مقایسه نمودند. همچنین سادگی تبدیل پیام‌ها به ماشین‌های حالت و قابلیت اعتبارسنجی دقیق مسیرها به عنوان نقاط قوت اصلی این ابزار مطرح شد.

در یک نگاه

• نام مخزن: AmadeusITGroup/Edison
• زبان اصلی: پایتون (Python 3.12+)
• مجوز: MIT
• کاربرد اصلی: تجزیه، اعتبارسنجی و پیمایش پیام‌های EDIFACT به صورت درختی و مبتنی بر ماشین حالت
• قابلیت کلیدی: امکان رسم گراف‌های انتقال با pydot و مدیریت نسخه‌های مختلف پروتکل