DBC系列之如何使用python脚本实现excel-dbc(3)[下]

2023-11-06 20:11

本文主要是介绍DBC系列之如何使用python脚本实现excel-dbc(3)[下],希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用python脚本实现excel-dbc

  • 摘要
  • 1. 代码实现
    • 1.1 读取CAN通信矩阵
      • 1.1.1 导入模块
      • 1.1.2 读取文件,创建对象实例
    • 1.2 添加全局属性
      • 1.2.1 总线类型
      • 1.2.2 报文发送类型属性以及默认值
      • 1.2.3 报文发送周期属性
    • 1.3 处理信号属性
      • 1.3.1 读取对应工作簿
      • 1.3.2 创建新的frame
      • 1.3.3 封装函数
      • 1.3.4 遍历表格处理信号属性
    • 1.4 数据导出生成文件
  • 2. 运行代码测试脚本

摘要

基于上一部分《DBC系列之如何使用python脚本实现excel-dbc(3)[上]》,本文继续记录如何用python实现根据excel的CAN通信矩阵生成DBC文件。

1. 代码实现

开始前还是先准备通信矩阵文件
在这里插入图片描述
我的矩阵文件命名为demo_can_matrix.xlsx, 工作簿名为can_matrix。
然后同级目录下建立一个python文件,我命名为excel2dbc.py

1.1 读取CAN通信矩阵

1.1.1 导入模块

# 导入模块xlrd, canmatrx, demical
import xlrd
import canmatrix
import decimal

xlrd模块用于读取表格,cammatrix用于按一定的格式打包数据,demical模块提供了十进制浮点运算支持

1.1.2 读取文件,创建对象实例

# 输入文件
input_file = "demo_can_matrix.xlsx"
sheet_name = "can_matrix"
# 使用xlrd库读取excel文件
excel_obj = xlrd.open_workbook(input_file)
# 使用canmatrix库创建DBC实例
matrix_obj = canmatrix.CanMatrix()

excel文件名为demo_can_matrix.xlsx,矩阵所在的工作簿名字为can_matrix
先读取excel文件,创建一个对象。这个对象会包含表格中的工作簿
然后用canmatrix库创建一个matrix的对象,这个对象将对保存矩阵中的数据

1.2 添加全局属性

1.2.1 总线类型

# 总线类型
matrix_obj.add_global_defines("BusType", "STRING")
matrix_obj.add_define_default("BusType", "CAN")

这个总线类型用于描述这个DBC文件是CAN,LIN,MOST, FlexRay或其他类型的database.

1.2.2 报文发送类型属性以及默认值

# 报文发送类型属性以及默认值
matrix_obj.add_frame_defines("GenMsgSendType", 'ENUM "Cyclic", "Event"' )
matrix_obj.add_define_default("GenMsgSendType", "Cyclic")

1.2.3 报文发送周期属性

matrix_obj.add_frame_defines("GenMsgCycleTime", 'INT 0 65535')
matrix_obj.add_define_default("GenMsgCycleTime", "0")

1.3 处理信号属性

1.3.1 读取对应工作簿

# 获取对应canmatrix的工作簿,开始处理表格中的数据
sheet_obj = excel_obj.sheet_by_name(sheet_name)
if sheet_obj is None:raise "工作簿名错误,请检查"

1.3.2 创建新的frame

# 根据第1行有效信号描述,创建一个新的frame
frame_obj = create_new_frame(sheet_obj, 2)

Tips: 表格中的行和列都是从0开始的

1.3.3 封装函数

def create_new_frame(sheet_obj:xlrd.sheet.Sheet, row: int) -> canmatrix.Frame:if row <= 0:print("行错误,无法读取")return# 创建frame对象frame_obj = canmatrix.Frame()frame_obj.name = str(sheet_obj.cell_value(row, 5)).strip()transmitter = str(sheet_obj.cell_value(row, 1)).strip()frame_obj.add_transmitter(transmitter)message_type = str(sheet_obj.cell_value(row, 7)).strip().upper()if message_type == "P":frame_obj.add_attribute("GenMsgSendType", "Cyclic")try:frame_obj.cycle_time = int(sheet_obj.cell_value(row, 9))frame_obj.add_attribute("GenMsgCycleTime", frame_obj.cycle_time)except:print("第3行周期内容不合规")return Noneelif message_type == "E":# 由于demo矩阵中没有事件型,此处代码未写,这部分自行添加passtry:frame_obj.size = int(sheet_obj.cell_value(row, 10))except:print("第3行的DLC内容不合规")try:frame_obj.arbitration_id.id = int(sheet_obj.cell_value(row, 6), 16)except:print("第3行message id内容不合规")return frame_obj

由于还会根据报文ID的变换创建新的frame,这里需要把此函数封装起来,以便重用

1.3.4 遍历表格处理信号属性

# 遍历整个表格的所有行
for row in range(2, sheet_obj.nrows):try:message_id = int(sheet_obj.cell_value(row, 6), 16)except:print("第%d行message id不合规"%row)continueif message_id != frame_obj.arbitration_id.id:matrix_obj.add_frame(frame_obj)frame_obj = create_new_frame(sheet_obj, row)# 创建signal对象signal_obj = canmatrix.Signal()# 获取信号名字signal_obj.name = str(sheet_obj.cell_value(row, 3)).strip()# 获取信号接受节点if str(sheet_obj.cell_value(row, 2)) != "":receiver = str(sheet_obj.cell_value(row, 2)).strip()if receiver not in matrix_obj.ecus:matrix_obj.add_ecu(canmatrix.Ecu(receiver))signal_obj.add_receiver(receiver)frame_obj.add_receiver(receiver)# 获取信号起始位try:msb = int(sheet_obj.cell_value(row, 11))signal_obj.set_startbit(msb, bitNumbering= False, startLittle=False)except:print("第%d行msb内容不合规"%(row+1))# 获取信号长度try:signal_obj.size = int(sheet_obj.cell_value(row, 13))except:print("第%d行size内容不合规"%(row+1))# 获取信号大小端signal_endian = str(sheet_obj.cell_value(row, 14)).strip()if signal_endian == "Intel":signal_obj.is_little_endian = Trueelif signal_endian == "Motorola":signal_obj.is_little_endian = Falseelse:print("第%d行Byte Order内容不合规"%(row+1))# 获取信号初始值try:signal_obj.initial_value = int(sheet_obj.cell_value(row, 16), 16)except:signal_obj.initial_value = 0# 获取比例因子try:signal_obj.factor = decimal.Decimal(sheet_obj.cell_value(row, 17))except:signal_obj.factor = decimal.Decimal(1)print("第%d行factor内容不合规,已按默认值1处理"%(row+1))# 获取信号偏移量try:signal_obj.offset = decimal.Decimal(sheet_obj.cell_value(row, 18))except:signal_obj.offset = decimal.Decimal(0)print("第%d行offset内容不合规,已按默认值0处理"%(row+1))# 获取信号单位,将"/"处理为空signal_obj.unit = str(sheet_obj.cell_value(row, 21)).strip().replace("/","")# 获取信号值类型signal_value_type = str(sheet_obj.cell_value(row, 15)).strip().lower()if signal_value_type == "unsigned":signal_obj.is_float = Falsesignal_obj.is_signed = Falseelif signal_value_type == "signed":signal_obj.is_float = Falsesignal_obj.is_signed = Trueelse:signal_obj.is_float = Truesignal_obj.is_signed = False# 获取信号最小物理值try:phy_min_value = decimal.Decimal(sheet_obj.cell_value(row, 19))signal_obj.set_min(phy_min_value)except:# 按照size和偏移以及因子自动计算最小值signal_obj.set_min(signal_obj.calc_min())# 获取信号最大物理值try:phy_max_value = decimal.Decimal(sheet_obj.cell_value(row, 20))signal_obj.set_min(phy_max_value)except:# 按照size和偏移以及因子自动计算最大值signal_obj.set_min(signal_obj.calc_min())# 获取信号备注description = str(sheet_obj.cell_value(row, 4)).strip()signal_obj.add_comment(description)# 获取信号codingcoding_str = str(sheet_obj.cell_value(row, 22)).strip().replace("\"", "'")codings = coding_str.split("\n")for coding in codings:value_table = coding.strip().split(":")if len(value_table) > 1:value = value_table[0].strip()value_description = value_table[1].strip()if "-" in value:values = value.split("-")for n in values:try:signal_obj.add_values(int(n, 16), value_description)except:passelse:try:signal_obj.add_values(int(value, 16), value_description)except:passframe_obj.add_signal(signal_obj)
matrix_obj.add_frame(frame_obj)

代码中使用到try…except结构是为了防止表格内容中有其他内容影响生成,其实就是容错处理,实际使用时根据需要变换,代码是灵活的,不要拘泥于上述形式。
代码中用到了demical库,目的是将从表格中获取的字符串对象转换为十进制对象,factor,offset,最大小值都有可能为浮点数。
通过遍历处理,能够将矩阵中所有的信号都添加到matrix_obj中,接下来需要把这个数据导出为文件。

1.4 数据导出生成文件

# 导出到DBC文件
file_out = open("excel2dbc.dbc", "wb")
canmatrix.formats.dump(matrix_obj, file_out, "dbc", dbcExportEncoding="utf-8")
file_out.close()

使用cammatrix中dump()方法,可以将matrix_obj输出到文件中

2. 运行代码测试脚本

我使用的是VScode +python扩展来运行的,大家也可以自己使用自己喜欢的编辑器进行编辑,在cmd中运行也是可以的,根据自己的爱好来即可。推荐大家使用VScode或者pycharm,比较方便一点。
在这里插入图片描述
在这里插入图片描述

这张图是生成后的两个DBC的比较,可以看到VERSION属性和NS_属性不一样,VERSION属性canmtrix自行添加了,如果我们需要自己改,可以在脚本中添加代码实现。NS_属性用CANdb++打开并保存一次DBC即可,CANdb++会自动添加此部分属性。
除了这部分。其他的部分基本上一致,第二张图圈出的数据精度不一致,这通过CANdb++打开并保存后会自动适配。
通过使用python脚本,能够很方便地大量的报文和信号生成DBC,提高效率。
以上代码仅仅是适配演示的demo矩阵,和真正使用的CAN矩阵还有很大差别,但是基本上都属性和操作已经在脚本上体现了,其他需要添加的部分请大家应用时自行添加。
代码不能保证完全没有问题,可能依然还有些隐藏的问题,大家在使用过程中请仔细理解,文章中有需要的地方也请大家指出,我会及时修改采纳大家的意见。

这篇关于DBC系列之如何使用python脚本实现excel-dbc(3)[下]的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/358810

相关文章

shell脚本批量导出redis key-value方式

《shell脚本批量导出rediskey-value方式》为避免keys全量扫描导致Redis卡顿,可先通过dump.rdb备份文件在本地恢复,再使用scan命令渐进导出key-value,通过CN... 目录1 背景2 详细步骤2.1 本地docker启动Redis2.2 shell批量导出脚本3 附录总

Django开发时如何避免频繁发送短信验证码(python图文代码)

《Django开发时如何避免频繁发送短信验证码(python图文代码)》Django开发时,为防止频繁发送验证码,后端需用Redis限制请求频率,结合管道技术提升效率,通过生产者消费者模式解耦业务逻辑... 目录避免频繁发送 验证码1. www.chinasem.cn避免频繁发送 验证码逻辑分析2. 避免频繁

分布式锁在Spring Boot应用中的实现过程

《分布式锁在SpringBoot应用中的实现过程》文章介绍在SpringBoot中通过自定义Lock注解、LockAspect切面和RedisLockUtils工具类实现分布式锁,确保多实例并发操作... 目录Lock注解LockASPect切面RedisLockUtils工具类总结在现代微服务架构中,分布

Java使用Thumbnailator库实现图片处理与压缩功能

《Java使用Thumbnailator库实现图片处理与压缩功能》Thumbnailator是高性能Java图像处理库,支持缩放、旋转、水印添加、裁剪及格式转换,提供易用API和性能优化,适合Web应... 目录1. 图片处理库Thumbnailator介绍2. 基本和指定大小图片缩放功能2.1 图片缩放的

精选20个好玩又实用的的Python实战项目(有图文代码)

《精选20个好玩又实用的的Python实战项目(有图文代码)》文章介绍了20个实用Python项目,涵盖游戏开发、工具应用、图像处理、机器学习等,使用Tkinter、PIL、OpenCV、Kivy等库... 目录① 猜字游戏② 闹钟③ 骰子模拟器④ 二维码⑤ 语言检测⑥ 加密和解密⑦ URL缩短⑧ 音乐播放

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

Python pandas库自学超详细教程

《Pythonpandas库自学超详细教程》文章介绍了Pandas库的基本功能、安装方法及核心操作,涵盖数据导入(CSV/Excel等)、数据结构(Series、DataFrame)、数据清洗、转换... 目录一、什么是Pandas库(1)、Pandas 应用(2)、Pandas 功能(3)、数据结构二、安

Python使用Tenacity一行代码实现自动重试详解

《Python使用Tenacity一行代码实现自动重试详解》tenacity是一个专为Python设计的通用重试库,它的核心理念就是用简单、清晰的方式,为任何可能失败的操作添加重试能力,下面我们就来看... 目录一切始于一个简单的 API 调用Tenacity 入门:一行代码实现优雅重试精细控制:让重试按我

Python安装Pandas库的两种方法

《Python安装Pandas库的两种方法》本文介绍了三种安装PythonPandas库的方法,通过cmd命令行安装并解决版本冲突,手动下载whl文件安装,更换国内镜像源加速下载,最后建议用pipli... 目录方法一:cmd命令行执行pip install pandas方法二:找到pandas下载库,然后

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比