Искра-226/Файловая система

Формат файлов BASIC 02 — способ хранения программ на дисках Искра-226. Файловая система унаследована от Wang 2200, представление программы — оригинальное и с Wang несовместимо.

Программа может храниться в двух видах: текстовом (плоский текст в КОИ-8) и токенизированном. Оба вида имеют одинаковую внешнюю структуру и различаются одним байтом в заголовочном секторе.

Общее устройство

На диске располагаются физические сектора размером 128 байт — 77 дорожек, 26 секторов на дорожке, одна сторона. Физические сектора попарно объединены в логические размером 256 байт со сквозной нумерацией. Далее везде будут подразумеваться логические сектора.

Файлу выделяется непрерывный диапазон секторов, границы которого записаны в «Указателе каталога». Раскладка внутри диапазона:

Сектор	Содержимое
первый	заголовок файла
следующие N	поток содержимого
…	резерв, заполнен нулями
последний выделенный	control record

Таким образом, любой файл занимает на диске как минимум на 512 байт больше, чем размер его полезных данных.

Размер файла на диске уменьшать нельзя, поэтому при перезаписи файла более коротким содержимым старые данные в хвосте не затираются. Там могут остаться читаемые фрагменты предыдущих версий файла, иногда в другом представлении. Их нельзя принимать за часть текущего файла, поэтому необходимо завершать обработку файла при нахождении первой control record.

Искра-226 поддерживает работу с двумя типами файлов: ПФ — «Программные файлы» и ФД — «Файлы данных». Программные файлы всегда содержат программу на Бейсике, в текстовом или упакованном токенизированном виде. Файлы данных, соответственно, данные, доступные из программ пользователя.

В соответствии с документацией, Искра-226 поддерживает прямой доступ программ к секторам диска, при этом к записанным таким образом дискам всё нижеизложенное может быть неприменимо, так как форматом хранения полностью управляет программа пользователя по своему усмотрению.

Также, в наличии имеется несколько системных дисков, на которых содержатся различные версии интерпретатора Бейсика, с которых производится начальная загрузка компьютера. Эти диски имеют свой формат и здесь не рассматриваются.

Указатель каталога

Начиная с 0 сектора на диске располагается «Указатель каталога».

Первые 16 байт содержат служебную информацию в следующем составе:

Смещение	Размер	Значение
0-1	2	размер Указателя каталога в секторах, 16 бит big-endian
2-3	2	номер последнего использованного сектора, 16 бит big-endian
4–5	2	размер тома (обычно 1000), 16 бит big-endian
6–15	10	нули

После служебной информации идут 16-байтовые записи каталога, описывающие файлы. По непонятной причине записи каталога не сгруппированы в начале указателя, а распределены по всем его секторам. Неиспользованные записи заполнены нулями. Следовательно, для чтения указателя каталога необходимо пройти все его сектора, игнорируя нулевые строки.

Запись каталога

16 байт, побайтово совпадает с Wang 2200.

Смещение	Размер	Значение
0	1	статус: 10 — активна, 11 — удалена (scratched), 00 — свободна
1	1	тип файла: 80 — программа, 00 — данные
2–3	2	первый сектор файла, старший байт первым
4–5	2	последний сектор файла, старший байт первым
6–7	2	не используются
8–15	8	имя файла, дополнено пробелами справа

Байт типа не различает текстовое и токенизированное представление: у обоих 80.

Указатель каталога всегда начинается с нулевого сектора диска; за ним идёт область каталога. Число секторов указателя задаётся при создании каталога оператором SCRATCH DISK параметром LS=, по умолчанию равно 24 и в дальнейшем не меняется; допустимы значения от 1 до 255. В нулевом секторе помещается до 15 записей, в остальных — до 16: первые 16 байт нулевого сектора занимает блок параметров диска.

Оператор LIST DC выводит типы файлов как P (программный), D (файл данных), SP и SD (вычеркнутые из каталога программный и файл данных соответственно), что соответствует сочетанию байта статуса и байта типа в записи.

Пример

 0  1  2  3  4  5  6  7  8  9  A  B  C  D  E  F
10 80 00 31 00 3F 00 00 44 49 47 20 44 45 4D 20
└───┘ └───┘ └───┘       └─────────────────────┘

Активная запись, программа, секторы 49…63, имя DIG DEM.

Заголовочный сектор

Смещение	Значение
0	01
1–8	имя файла, дополнено пробелами
9	признак формата записи, см. ниже
10–255	нули

Байт 9 — единственный признак, по которому различаются два представления программы. Наблюдались значения 20 (текстовое) и 21 (токенизированное), каждое на двух файлах.

Связь с параметрами оператора SAVE DC

Документация описывает три параметра специальных форматов записи программы:

Параметр	Действие
T	программа записывается в оттранслированной форме — во внутреннем формате машины, что сокращает занимаемое место и время загрузки
P	программа защищается от просмотра и записи; после загрузки возможно только выполнение, режим сохраняется до оператора CLEAR
G	оттранслированная и защищённая форма одновременно

Отсюда следует, что текстовое представление — это режим по умолчанию, а токенизированное включается явным указанием параметра T. Термин «оттранслированная форма» в документации обозначает именно токенизированную запись.

Документированные значения байта 9 (в источнике он назван «признак защиты»):

Значение	Символ	Защита	Представление
20	пробел	нет	текстовое
21	!	нет	оттранслированное
24	¤	есть	текстовое
25	%	есть	оттранслированное

Таким образом байт 9 — битовое поле: бит 0 — программа оттранслирована (параметр T), бит 2 — программа защищена (параметр P); сочетание обоих соответствует параметру G. Значения 22 и 23 не используются.

Значения 20, 21 и 25 наблюдались на дисковых образах (25 — у файла STAT05, защищённого и оттранслированного одновременно), 24 взято из документации.

Секторы потока

Первые два байта каждого сектора потока — служебные, в содержимое не входят.

Байт 0 — позиция сектора:

Значение	Смысл
02	первый сектор потока
8F	промежуточный
03	последний

В токенизированных программах все секторы потока наблюдались с маркером 02; позиционная разметка 02/8F/03 подтверждена на текстовых файлах и на потоке значений переменных. Причина различия не установлена.

Байт 1 — только у программных секторов. Во всех исследованных потоках программы он равен 80.

Внимание

У секторов данных служебный заголовок занимает один байт, а не два. То, что во всех наблюдавшихся секторах данных на позиции 1 стоял 00, объясняется не разметкой потока, а тем, что это первый байт двухбайтового идентификатора значения, и 00 в нём означает числовой тип. Для сектора, начинающегося со строкового значения, значение будет другим. Использовать байт 1 как признак «программа или данные» нельзя; надёжный признак — байт 9 заголовочного сектора и байт типа в записи каталога.

Двухбайтовая длина служебного заголовка программных секторов подтверждается арифметикой: длины записей строк сходятся только при пропуске двух байтов на каждой пересекаемой границе сектора.

В токенизированном файле сначала идут секторы программы, за ними могут следовать секторы значений переменных с собственной нумерацией.

Маркер 03 имеет содержательный смысл: документация описывает файл как область, в которой между последней записью данных и последним сектором файла остаются неиспользованные секторы, а концевая запись помечает сектор, откуда можно продолжать запись. Таким образом 03 — не просто «последний по счёту сектор», а граница записанной области, и всё, что лежит за ней до конца выделенного диапазона, к текущему содержимому файла не относится.

Control record

Лежит в последнем выделенном секторе, а не сразу за содержимым.

1C <длина: 2 байта, старший первым>

Остаток сектора — нули. Маркер 1C соответствует по роли байту 20 в Wang. Второй источник описывает эту структуру как признак конца файла 1C, за которым во втором и третьем байтах сектора записано число реально занятых секторов, а остальные байты нулевые; последний сектор файла данных устроен так же, как последний сектор программного файла.

Документация отдельно указывает, что последний сектор файла отводится под служебную информацию, а концевая запись занимает ещё один сектор, поэтому при создании файла его размер следует заказывать на два сектора больше, чем требуется собственно под данные.

Счётчик соответствует графе «Использовано», которую показывает оператор LIST DC. Согласно документации он не поддерживается системой автоматически: значение заносит прикладная программа оператором DATA SAVE DC END, записывающим односекторную концевую запись в текущий сектор из таблицы устройств. Если признак конца данных не записан, в графе «Использовано» всегда стоит 00001; если записан — число реально использованных секторов.

Там, где значение выставлено, оно равно заголовок + секторы содержимого + сам control record, то есть совпадает с правилом Wang:

Файл	Секторов содержимого	Счётчик	Ожидаемо
ФС	5	7	1+5+1 = 7
ДЕМ6	16	18	1+16+1 = 18

Внимание

Счётчик не является инвариантом файловой системы и при разборе ненадёжен. У #СТАТИСТ он равен 48 при 46 секторах содержимого — значение, по-видимому, осталось от предыдущей, более длинной версии программы, остатки которой лежат в резерве того же файла. У DIG DEM счётчик равен 6 при 5 секторах содержимого, то есть на единицу меньше ожидаемого; возможная причина в том, что там последней операцией была запись потока данных, а не программы. Границы файла следует брать из каталога, а конец данных определять по структуре записей.

Текстовое представление

Программа хранится плоским текстом. Кодировка — КОИ-8 (ГОСТ 19768-74): прописная кириллица в 0xE0–0xFF, строчная в 0xC0–0xDF. Номера строк записаны обычными ASCII-цифрами.

• Разделитель строк — байт 85.
• Строка не пересекает границу сектора; хвост сектора заполняется нулями.
• Байт 24 ($) отображается на экране Искры как ¤.

Выбор 85 возможен именно потому, что кириллица занимает только верхнюю четверть кодовой таблицы и диапазон 0x80–0x9F остаётся свободным. К самой кодировке КОИ-8 это соглашение отношения не имеет и за пределами Искры не встречается.

Разбор: склеить содержимое секторов, отбрасывая по два служебных байта, разбить по 85, отбросить нули.

Пример

02 80 35 20 52 45 4D 20 F0 E5 F4 F2 E5 EE EB EF … 85 38 20 50 52 49 4E 54 …

Заголовок сектора, затем 5 REM ПЕТРЕНКО …, разделитель, 8 PRINT ….

Токенизированное представление

Сборка потока

Склеить содержимое секторов с байтом 1 равным 80, отбрасывая по два служебных байта у каждого. Далее смещения даны от начала полученного потока.

Пролог и таблицы

Поток начинается с трёх 16-битных длин, старший байт первым, за которыми следуют три таблицы:

Смещение	Размер	Значение
0	2	L1 — длина таблицы 1 в байтах, запись 8 байт
2	2	L2 — длина таблицы 2 в байтах, запись 4 байта
4	2	L3 — длина таблицы 3 в байтах, запись 4 байта
6	L1	таблица 1
6+L1	L2	таблица 2
6+L1+L2	L3	таблица 3

Программа начинается по смещению 6 + L1 + L2 + L3.

Проверено на четырёх файлах:

Файл	L1	L2	L3	Старт	Первая строка
DIG DEM	24	20	0	50	0 GOTO 10
#СТАТИСТ	216	488	108	818	999 REM КОНЕЦ
ДЕМ6	392	256	0	654	10 REM "ДЕМ6". ГОРОСКОП
EDITOR	448	800	0	1254	10 % EDITOR. ВЕРСИЯ 4.1

Формула даёт точную границу, эвристический поиск начала программы не требуется.

Таблица 1

Таблица 1 описывает переменные, которым нужен дескриптор размера — массивы и символьные переменные с явно заданной длиной. Оператор объявления при этом не важен: в таблицу попадают как переменные из DIM, так и из COM (аналог DIM для переменных, общих для нескольких программ). Числовые скаляры и символьные переменные с длиной по умолчанию в таблице 1 не описываются.

В файле М1.Х записей 13 при 10 переменных в DIM; лишние три — C(14), G(14) и N0¤21, объявленные в COM.

Запись — 8 байт:

Смещение	Размер	Значение
0–1	2	адрес переменной в памяти, младший байт первым
2–3	2	тип: 00 08 — символьная, 2D 08 — числовая или целая
4–5	2	для массивов — число элементов, младший байт первым
6–7	2	размерный код, младший байт первым

Размерный код равен 2 × размер элемента, а его младший бит означает, что длина была задана явно. Для числовых переменных код 16 (размер элемента 8 байт), для целых 4 (2 байта), для символьных 2 × длина + 1: длина 8 → 17, 64 → 129, 128 → 257, 253 → 507.

Символьная переменная, объявленная без указания длины, получает длину по умолчанию 16 и чётный код 32. В STAT01A так объявлены B6¤(400) и B7¤(10), у обоих код 32, тогда как у всех переменных с явной длиной в том же файле код нечётный и точен. Поэтому нечётность кода нельзя использовать как признак символьного типа — для этого служат байты 2–3.

Двумерные массивы

У двумерного массива вторая размерность записывается в байты 2–3, на место признака типа, а первая остаётся в поле числа элементов. Размерности не перемножаются, поэтому оператор DIM восстанавливается точно.

Правило проверено на десяти массивах в четырёх файлах, включая A(5,6) из STAT03 с двумя разными малыми размерностями. В М1.Х пять массивов вида (2,99) дают в байтах 2–3 значение 99, а в поле числа элементов 2; контрольный R(2,2) с равными размерностями даёт 2 и 2. Размер выделяемой памяти считается по общей формуле с перемножением размерностей: у P(2,99) разность адресов равна 1590 = 2 × 99 × 8 + 6, у R(2,2) — 38 = 2 × 2 × 8 + 6.

Пример записи Q(7,8) из STAT01A:

00 00  08 00  07 00  10 00

Байты 2–3 равны 8 (вторая размерность), байты 4–5 равны 7 (первая), размерный код 16 — числовая. Опознание надёжно: соседние записи таблицы содержат 13 и 8 элементов, а в тексте DIM вокруг Q(7,8) стоят A(13) и E(8).

Практическое правило: если байты 2–3 не равны 2D 08 и не 00 08, запись описывает двумерный массив, а в этих байтах лежит вторая размерность.

Внимание

Как при двумерности кодируется тип переменной, установить не удалось: байты 2–3 заняты размерностью, и признака типа в записи не остаётся. Все восемь исследованных двумерных массивов числовые; символьный двумерный массив в материале не встретился.

Порядок записей обратен порядку объявления

Память под переменные выделяется сверху вниз, от верхней границы, а записи в таблице отсортированы по возрастанию адреса. Поэтому первая переменная в DIM оказывается последней записью таблицы, и сопоставлять их нужно с конца.

Проверено на файле EDITOR: 7 операторов DIM объявляют 50 переменных, L1 = 448 = 56 записей. При обратном сопоставлении разность адресов соседних записей совпадает с ожидаемым размером переменной у 44 из 50 точно, а оставшиеся 6 расходятся ровно на 1 байт — это нечётные длины (A¤1, K¤253, G¤19), округляемые вверх до чётной.

Внимание

Адреса в таблице 1 могут быть нулевыми. В файле STAT05 все 11 записей имеют адрес 0000, поэтому любое правило, опирающееся на разность адресов соседних записей, там неприменимо. Разборщику следует проверять адреса на ненулевое значение перед использованием.

Остальные поля при этом заполнены и корректны: обратный порядок относительно DIM сохраняется, размерный код точен для всех строковых переменных, у массива K(9) число элементов равно 9.

Размер выделяемой памяти:

• скалярная символьная переменная — объявленная длина, округлённая вверх до чётной;
• массив — N × размер элемента + 6, где 6 байт занимает дескриптор.

Формула для массивов проверена на 20 массивах EDITOR без единого расхождения: V¤(20)64 → 1286, S¤(48)64 → 3078, P%(300) → 606, X(2) → 22.

Таблица отражает состояние на момент сохранения

Число записей может превышать число переменных в DIM. В STAT01A записей 26 при 23 объявленных переменных, и три лишние стоят в области самых низких адресов, то есть выделены последними.

Число элементов у лишних записей соответствует не тексту программы, а значению, которое переменная получила при выполнении: в STAT01A у всех трёх лишних записей это 300, тогда как в DIM объявлено 200. Программа содержит оператор MAT REDIM, переопределяющий размерности во время работы, поэтому таблица описывает состояние памяти на момент сохранения, а не исходный текст.

Косвенное подтверждение: в токенах DIM файла STAT01A переменные X, Y и G¤ получили индексы 40, 41, 42, тогда как все остальные — обычные значения подряд.

Дополнительный дескриптор создаётся только тогда, когда массив вырастает за пределы исходного выделения. Если новый размер не превышает объявленного в DIM, память переиспользуется на месте и запись в таблице остаётся одна.

Наиболее наглядно это видно в STAT03, где MAT REDIM переопределяет шесть массивов, а лишних записей три:

Массив	Объявлено	После переопределения	Дескриптор
X(100)	100	300	добавлен
G¤(100)5	100	300	добавлен
Q(5,100)	100	300	добавлен
D(6)	6	не больше 6	нет
E(5)	5	не больше 5	нет
A(5,6)	5, 6	не больше 5 и 6	нет

Правило согласуется и с остальными файлами: в STAT01A из одиннадцати переопределяемых массивов выросли три, в STAT00 из четырёх — два, и столько же лишних записей в каждом случае.

Если программа не выполнялась после загрузки, оператор MAT REDIM не отрабатывает и лишних записей нет вовсе: в STAT08 записей ровно шесть при шести переменных в DIM.

В EDITOR шесть записей таблицы 1 также не соответствуют ни одному DIM; их тип (59 07, 27 01) отличается от остальных, и связать их с конкретными переменными не удалось.

Таблицы 2 и 3

Записи по 4 байта: <адрес: 2 байта, младший первым> <флаг> <байт>. Флаг принимает значения 10, 21, 80, 81, 90, 91, A0, A1. Встречаются записи с нулевым адресом — предположительно незанятые слоты. Формат записей в обеих таблицах одинаков, граница между ними определяется только счётчиками пролога.

Число записей — L2 / 4 и L3 / 4: длины в прологе даны в байтах, а запись занимает 4 байта, а не 8.

Область скалярных переменных расположена ниже области массивов: в STAT08 адреса таблицы 2 занимают диапазон E534–E68C, а первая запись таблицы 1 начинается с E694.

Таблица 2 содержит скалярные переменные, не описанные в таблице 1. Их адреса образуют ряд с шагом 8 — под числовой скаляр отводится 8 байт. Записи с нулевым адресом встречаются вперемешку с обычными; вероятно, это слоты, которым память не выделена.

Таблица 3 и область COM

Таблица 3 описывает скалярные переменные, объявленные оператором COM. Во всех файлах, кроме М1.Х, она пуста, поскольку COM в них не используется.

В М1.Х десять из тринадцати записей имеют адреса в диапазоне FEB2–FF0A и соответствуют десяти скалярным переменным COM в порядке объявления. Шаг адресов — 8 байт у числовых и 16 у символьных N¤ и N1¤, объявленных без явной длины.

Область COM расположена выше области переменных DIM и смыкается с ней вплотную: описанная в таблице 1 переменная N0¤21 занимает 21 байт по адресу FE9C, а первый скаляр COM начинается с FEB2.

Оставшиеся три записи таблицы 3 имеют низкие адреса (0014, 000D, 0005) и в эту схему не укладываются.

Тип переменной во флаге

Байт флага записей таблиц 2 и 3 несёт признак типа. В М1.Х у символьных N¤ и N1¤ флаг равен A8, у соседних числовых скаляров — 98 или 18: символьные помечены битом 5, числовые битом 4.

Наблюдение подтверждено на втором файле: в STAT08 символьная переменная A¤ имеет флаг A8 и занимает 16 байт, тогда как соседние числовые скаляры помечены 18 или 98 и занимают по 8.

Внимание

Кодировка целых переменных во флаге остаётся неизвестной: проверка на EDITOR соответствия между старшим битом флага и целым типом дала результат на уровне случайного совпадения.

Индексы переменных и их имена

Переменные адресуются в коде однобайтовым индексом. Индексы назначаются в порядке первого появления переменной в тексте программы, а не по алфавиту и не по типу.

Операторы COM и DIM делят единое пространство индексов: в М1.Х оператор COM занимает индексы 00–0C, а следующий за ним DIM продолжает с 0D.

Для переменных, объявленных в DIM, это даёт прямое соответствие: операторы DIM перечисляют свои переменные подряд, в том же порядке, в каком они записаны в исходном тексте. В EDITOR семь операторов DIM занимают индексы 01–32 непрерывно; индекс 00 достался переменной R2%, встретившейся раньше — в строке 30, до первого DIM. В ДЕМ6, где до DIM переменных не было, нумерация начинается с 00.

Внимание

Имена переменных в оттранслированном файле не сохраняются. Таблицы содержат дескрипторы памяти — адрес, тип, размер, — но не имена.

Проверка на EDITOR, где программа сохранена одновременно в текстовом и оттранслированном виде: сопоставление 866 общих строк дало однозначное имя для 146 индексов из 160, и ни одно поле таблиц с этими именами не коррелирует. В таблице 1 поле по смещению 4–5 совпадает у Y¤4 и Z¤253 (72), у D¤8 и Q5¤40 (204); в таблице 2 последний байт записи совпадает у заведомо разных переменных (D% и I%, J% и E).

Это согласуется с назначением параметра T: при выполнении имена не нужны, всё адресуется по индексу, а отказ от их хранения и даёт заявленную экономию места. Практическое следствие — читаемый листинг из оттранслированного файла восстановить нельзя. Восстанавливается структура программы, но переменные остаются безымянными, если не сохранилась текстовая версия того же исходника.

Записи строк

Программа — последовательность записей, разделённых байтом FE. Перед первой записью разделителя нет.

<номер строки: 2 байта BCD> <len: 1 байт> <тело>

len считается включая сам байт len и до следующего FE. Следующий разделитель находится по адресу адрес(len) + len.

В отличие от текстового представления, записи пересекают границу сектора; два служебных байта нового сектора в длину не входят.

Выравнивание в конце сектора

Если до конца сектора остаётся слишком мало места, чтобы разместить трёхбайтовый заголовок очередной записи, остаток сектора заполняется нулями, а запись начинается с первого байта следующего сектора. Такие нули стоят после разделителя FE и в длину записи не входят.

В файле EDITOR (1422 строки) это встречается 9 раз, все — на позициях 248–251 от начала содержимого сектора. Разборщик, не учитывающий выравнивание, теряет синхронизацию именно в этих местах.

Операторы

Тело записи — последовательность операторов:

<токен глагола: 1 байт> <len: 1 байт> <операнды: len байт>

Здесь len — длина только операндов, сам байт len не считается. len = 00 означает оператор без операндов, например голый PRINT.

Наличие явной длины у каждого оператора позволяет разрезать программу на операторы, ещё не зная значений токенов. Эта особенность вынужденная: в отличие от Wang, где многословные команды собираются из нескольких токенов вперемешку с обычным ASCII и границы видны по самому потоку, у Искры весь текст программы переведён в токены и поток непрозрачен.

Пример разбора

Строка 2000 файла #СТАТИСТ, длина 0x54 = 84:

20 00 54
23 01 23                          GOSUB ' 35
4C 39 E3 1F «БУДЕТЕ …» DD 00 DD E3 12 «-[1] ИЛИ ДВУМЯ [2]» DD
                                  PRINT "…";F¤;"…";
41 01 5C                          INPUT F%
36 03 5D D9 0E                    N7=N3
24 06 0E D7 11 D3 20 01           IF N3<N6THEN2001
36 03 5D D9 11                    N7=N6

Сумма: 3 + 59 + 3 + 5 + 8 + 5 = 83, плюс байт длины = 84.

Таблица токенов

Глаголы

Основной массив значений восстановлен из прошивки интерпретатора (алфавитный список ключевых слов по смещению 0x1840 и 51-байтовый массив перестановки по 0x19B6). Отмеченные записи проверены или исправлены сопоставлением токенизированной и текстовой версий одной программы.

Токен	Оператор	Примечание
21	GOTO	подтверждено
22	GOSUB	подтверждено
23	GOSUB'	в прошивочной таблице пропуск; значение выведено из данных
24	IF	подтверждено
25	KEYIN	подтверждено
26	ON	подтверждено
27	DEFFN'	подтверждено
28	PRINTUSING	в опубликованной таблице ошибочно указан GOSUB'; исправлено по данным
29	DATA	подтверждено
2A	SAVE
2B	RENUMBER
2C	CLEAR
2D	LOAD
2E	LIST
2F	RUN	подтверждено
30	RETURN CLEAR	подтверждено
34	ON ERROR	подтверждено
35	LET
36	(присваивание без ключевого слова)	подтверждено
3F	% (краткая форма REM)	подтверждено
40	$GIO
41	INPUT	подтверждено
42	STOP	подтверждено
43	AND(	подтверждено
44	READ	подтверждено
45	BOOL
46	DIM	подтверждено
47	CONVERT	подтверждено
48	PACK(	подтверждено
4A	ADD
4B	BIN(
4C	PRINT	подтверждено
4D	ROTATE	подтверждено
4E	COM	подтверждено
50	HEXPRINT
51	RESTORE	подтверждено
52	NEXT	подтверждено
53	REWIND
54	SELECT	подтверждено
55	BACKSPACE
56	REM	подтверждено
57	FOR	подтверждено
58	SKIP
59	END
5A	DEFFN
5C	RES
5D	UNPACK(	подтверждено
5E	RETURN	подтверждено
5F	TRACE
61	OR(
62	XOR(
64	INIT	подтверждено
66	DATA LOAD BT	подтверждено
68	DATA SAVE BT	подтверждено
6D	COPY
6E	DATA SAVE BA	подтверждено
70	DATA LOAD BA	подтверждено
71	DATA LOAD DA	подтверждено
74	DATA LOAD DC	выведено из данных
75	DATA LOAD DC OPEN T	выведено из данных
78	DATA SAVE DC OPEN T	подтверждено
79	DBACKSPACE
7A	DSKIP
7B	LIMITS	подтверждено
7C	LIST DC	подтверждено
7D	LOAD DC	выведено из данных
7E	MOVE
80	SAVE DC	выведено из данных
81	SCRATCH
83	VERIFY

Пометка «подтверждено» означает сверку с текстовым листингом той же программы. Основная часть подтверждений получена на файле EDITOR автоматическим сопоставлением 866 общих строк: в строках, где число операторов в обоих представлениях совпало, первый глагол каждого оператора сверялся с первым словом соответствующего оператора текста. Так подтверждены 34 значения, включая 21 = GOTO (147 совпадений), 4C = PRINT (212), 24 = IF (266).

Отдельно стоит краткая форма комментария % (токен 3F): она встречается в EDITOR 122 раза против 7 у полного REM (токен 56), и её операнд записывается сырым текстом без префикса E3 — так же, как у REM.

Значения назначены не по алфавиту, а тематическими группами с запасом внутри каждой: управление ходом выполнения в 0x21–0x2F, ввод-вывод около 0x41–0x4C, дисковые операции в 0x74–0x83. Составные дисковые команды получают один токен на всю фразу, тогда как в Wang та же команда собирается из нескольких (DATA + LOAD + DC).

Документация описывает также операторы DATA SAVE DC END, DATA SAVE DC CLOSE и DATA LOAD DC OPEN. Последний соответствует найденному токену 75, поэтому остальные с высокой вероятностью занимают свободные значения в диапазоне 0x70–0x78 — при разборе новых файлов имеет смысл проверять этот участок в первую очередь.

Двухбайтовые глаголы

Матричные и графические операторы кодируются двумя байтами: префиксом 06 и подкодом. Длина операторной части следует за подкодом на обычном месте:

06 <подкод> <len> <операнды>

Разборщик, ожидающий однобайтовый глагол, на таких строках теряет синхронизацию.

Подкод	Оператор	Достоверность
01	MAT (присваивание)	подтверждено
02	MAT REDIM	подтверждено
0F	¤OPEN	подтверждено
15	DRAW	подтверждено
19	NPLOT	подтверждено
1E	LABEL	подтверждено
1F	¤COPY	подтверждено

Примеры из STAT00 и STAT01A:

06 02 19 E0 00 EB 09 D0 DE E0 01 EB 08 D0 DE …   MAT REDIM X(…),Y(…),…
06 01 04 E0 07 D9 EF                             MAT S0=ZER
06 19 08 E0 12 DE 26 DE E7 02 50                 NPLOT B6¤(),C1,250
06 1F 06 DC DE 14 DE E0 12                       ¤COPY /14,B6¤()

В матричном присваивании EF в позиции операнда означает ZER.

В операторе MAT REDIM размерности массива, в отличие от обращения к элементу, заключаются в явную открывающую скобку EB, а между собой разделяются DE. Длина элемента символьного массива указывается после закрывающей скобки:

E0 02 EB 0E DE 0D D0        Q(M1,N)   — двумерный
E0 05 EB 0E DE 0F D0        A(M1,M2)
E0 01 EB 0D D0 E8 05        G¤(N)5    — длина элемента после скобки

Пропущенные параметры

Пропущенный параметр не кодируется ничем: между разделителями DE просто нет операнда. Оператор LABEL B6¤(),,,B3¤(1) с тремя пропущенными параметрами даёт три подряд идущих DE:

06 1E 09 E0 12 DE DE DE 11 E8 01 D0

Операнды

Токен	Значение	Достоверность
00–~BF	ссылка на переменную по индексу	подтверждено
CC	GOSUB в составе ON … GOSUB	подтверждено
CD	GOTO в составе ON … GOTO	подтверждено
D0	)	вероятно
D1	TO	подтверждено
D3	THEN, далее 2 байта BCD — номер строки	подтверждено
D4	>	вероятно
D5	<> в позиции операции, AT( в позиции операнда	подтверждено
D6, D8	остальные знаки сравнения	вероятно
D7	<	подтверждено
D9	=	подтверждено
DB	#	подтверждено
DC	/	вероятно
DD	;	подтверждено
DE	,	подтверждено
DF	* в позиции операции, TAB( в позиции операнда	подтверждено
E0	^ в позиции операции, ссылка на массив целиком в позиции операнда	подтверждено
E1	функция STR	подтверждено
E2	шестнадцатеричный литерал HEX(…): E2 <len> <len байт>	подтверждено
E3	строковый литерал: E3 <len> <len байт КОИ-8>	подтверждено
E5	число с фиксированной точкой, см. ниже	подтверждено
E6	число с порядком, см. ниже	подтверждено
E7	числовая константа: E7 <2 байта BCD>, диапазон 0–9999	подтверждено
E8	числовая константа: E8 <байт BCD>, диапазон 0–99	подтверждено
E9	-, бинарный или унарный	подтверждено
EA	+	вероятно
EB	(	вероятно
F2	ABS(	подтверждено
F3	INT(	подтверждено
F6	SQR(	подтверждено
F7	LOG(	подтверждено
FE	разделитель записей строк	подтверждено

Двузначность токенов старшей половины

Часть токенов диапазона D0–EF читается по-разному в зависимости от того, ожидается ли на их месте знак операции или очередной операнд. Интерпретатор различает их по состоянию разбора, отдельного признака в файле нет.

Токен	В позиции операции	В позиции операнда
DF	*	TAB(
D5	<>	AT(
E9	- бинарный	- унарный
E0	^	ссылка на массив целиком

Ссылка на массив целиком записывается как E0 и порядковый номер переменной в DIM: 74 02 E0 09 соответствует DATA LOAD DC G¤(), а E0 09 D1 E0 00 — G¤()TOX().

Каждое прочтение подтверждено не менее чем двумя независимыми строками STAT05: TAB(17) кодируется как DF E8 17 D0, а .5*LOG( — как E5 01 50 DF F7; K(1)<>1 и PRINT AT(9,10) оба дают D5; K0*(-1) даёт DF EB E9 E8 01 D0, где E9 стоит в позиции операнда.

Разборщик с одним фиксированным значением на токен на таких строках даёт неверный листинг, поэтому таблицу операндов нужно применять с учётом позиции.

У дисковых операторов (7D, 80, 81) первый операнд — идентификатор дисковода: 0 означает F, 1 — R. Тот же байт завершает операнды LIST DC и адресацию устройства в SELECT: 54 03 0A 18 01 соответствует SELECT DISK18R, где за подкодом устройства следуют адрес и идентификатор дисковода.

Числовые константы

Целые константы кодируются двумя токенами в зависимости от величины: E8 — один байт BCD (0–99), E7 — два байта BCD (0–9999).

Для дробных чисел служат токены E5 и E6. За токеном следует байт-описатель, затем цифры числа в BCD по две на байт; если цифр нечётное число, последняя тетрада заполняется нулём. В описателе старшая тетрада — количество цифр до запятой, младшая — общее количество цифр.

Запись	Байты	Описатель	Цифры
.5	E5 01 50	0 / 1	5
.08	E5 02 08	0 / 2	08
2.5	E5 12 25	1 / 2	25
.196854	E5 06 19 68 54	0 / 6	196854
.000344	E5 06 00 03 44	0 / 6	000344

Токен E6 устроен так же, но после цифр мантиссы идёт дополнительный байт порядка: 1E6 кодируется как E6 11 10 06 — одна цифра мантиссы, одна цифра до запятой, порядок 6.

Номер метки в GOSUB' хранится двоичным, а не в BCD.

Подпрограммы с параметрами

Аргументы GOSUB' следуют сразу за байтом метки и разделяются токеном DE; скобки не кодируются. Вызов GOSUB ' 5(1,1,N-2) даёт:

23 0B 05 E8 01 DE E8 01 DE 0D E9 E8 02

Объявление DEFFN' содержит метку, четыре нулевых байта и индексы формальных параметров. Нули, по-видимому, отведены под адрес возврата, заполняемый при выполнении. Объявление DEFFN ' 5(N1,D1,D2) даёт:

27 08 05 00 00 00 00 12 20 21

Оператор ON … GOTO кодируется как индекс переменной, токен CD и номера строк по два байта BCD подряд без разделителей.

Индексация массивов

У обращения к элементу массива нет открывающей скобки: ссылка на переменную сама открывает список индексов, а D0 его закрывает.

01 32 D0        →  01(32)
2A 03 E8 01 D0 D0  →  2A(03,1)

Токен EB используется только как группирующая скобка в выражениях:

EB 34 E9 33 E9 E8 01 D0  →  (34*33*1)

Разборщик, ожидающий EB перед индексом массива, рассинхронизируется.

Поток значений переменных

Секторы, следующие за программой в токенизированном файле, содержат значения переменных, записанные в том же формате, что и обычные файлы данных. Структура описана в документации.

Служебная информация в секторе двух видов:

• идентификатор сектора — 1 байт в начале сектора, значение 02 (признак данных); под данные остаются 255 байт;
• идентификатор значения — 2 байта перед каждым значением, содержат тип (числовое или символьное) и длину.

Размеры значений:

Тип	Значение	Со служебными байтами	Значений в секторе
целое	2 байта	4 байта	63
действительное	8 байт	10 байт	25
символьное	длина значения	длина + 2	—

Значение, не помещающееся в секторе целиком, переносится в следующий сектор полностью. Элементы массивов записываются построчно.

Пример

В файле DIG DEM сектор данных начинается с идентификатора сектора 02, за которым идут 25 записей по 10 байт:

00 08 <8 байт значения>

Идентификатор 00 08 означает числовое значение длиной 8 байт. Двадцать пятая запись заканчивается на пятом байте от конца сектора, оставшиеся 5 байт не используются: 1 + 25 × 10 + 5 = 256. Расчёт сходится точно и подтверждает однобайтовую длину идентификатора сектора.

Алгоритм разбора

1. Прочитать запись каталога: первый и последний сектор, тип должен быть 80.
2. Прочитать первый сектор: проверить байт 0 = 01, взять имя, прочитать байт 9.
3. Если байт 9 = 20: склеить содержимое секторов, разбить по 85, отбросить нули, перекодировать КОИ-8. Готово.
4. Если байт 9 = 21: собрать поток из секторов с байтом 1 = 80; прочитать L1, L2, L3; перейти к смещению 6 + L1 + L2 + L3.
5. Для каждой записи: номер строки из двух байтов BCD, длина из третьего, тело до следующего FE. Если по отсчитанной длине не оказалось FE — поток рассинхронизирован, разбор остановить.
6. После FE пропустить нулевые байты выравнивания, если следующая запись не помещалась в остаток сектора.
7. Тело разрезать на операторы по схеме <глагол><len><операнды>.

Обработку файла следует прекращать на первом встреченном секторе с маркером 1C, а не доходить до конца выделенного диапазона: за control record могут лежать остатки предыдущей, более длинной версии файла.

Число записей в таблицах 2 и 3 равно L2 / 4 и L3 / 4 — запись в них вдвое короче, чем в таблице 1.

Байт длины в каждой записи и в каждом операторе даёт бесплатную проверку целостности на каждом шаге.

Отличия от Wang 2200

	Wang 2200	Искра-226
Запись каталога	16 байт	совпадает побайтово
Маркер control record	20	1C
Маркер заголовка	40 (50 для защищённых)	01
Маркеры секторов	битовое поле в старшей тетраде	отдельные значения 02/8F/03
Конец строки в программе	0D 00 00	FE как разделитель
Конец блока	FD (EOB) / FE (EOD)	не используется
Диапазон токенов	0x80–0xFB, 124 значения	глаголы 0x21–0x83, операнды 0xD0–0xEB
Текст в программе	ключевые слова в токенах, остальное обычный ASCII	всё в токенах, ASCII только внутри строковых литералов
Переменные	имена в открытом виде	индексы в таблицу, имена не хранятся
Длина оператора	отсутствует	обязательный байт после каждого глагола

Таблицы токенов не имеют между собой ничего общего: систематического сдвига нет, совпадений по отдельным байтам нет. Инструментарий Wang для детокенизации переиспользовать нельзя. Совпадает только уровень файловой системы.

Вероятная причина расхождения — кодировка. В Wang верхняя половина таблицы свободна и отдана под ключевые слова; у Искры она занята кириллицей, поэтому глаголы перенесены вниз, а от литерального ASCII в потоке отказались полностью.

Не установлено

1. Полная таблица токенов: часть значений в диапазонах 0x31–0x33, 0x37–0x3E, 0x49, 0x4F, 0x5B, 0x60, 0x63, 0x65, 0x67, 0x69–0x6C, 0x72, 0x73, 0x76–0x78, 0x7C, 0x7F, 0x82 не занята в известной таблице.
2. Смысл поля по смещению 4–5 записи таблицы 1 у скалярных переменных: у массивов там число элементов, у скаляров значения повторяются у разных переменных и с именем не связаны. В STAT05 у десяти скалярных строк это поле образует убывающую последовательность с шагом 6 в порядке объявления (205, 200, 194, 188, …, 152) независимо от их длин, что указывает скорее на указатель, чем на характеристику самой переменной.
3. Кодировка целого типа во флаге записей таблиц 2 и 3: символьный и числовой типы различаются битами 5 и 4, признак целого не найден.
4. Три записи таблицы 3 в М1.Х с низкими адресами, не соответствующие ни одной переменной COM.
5. Шесть записей таблицы 1 в EDITOR с типами 59 07 и 27 01.
6. Кодировка типа переменной у двумерных массивов: байты 2–3 заняты второй размерностью, признака типа в записи не остаётся. Символьный двумерный массив в материале не встретился.
7. Причина, по которой отдельные переменные получают в токенах DIM индексы из диапазона 40 и выше.
8. Полный перечень подкодов двухбайтовых глаголов с префиксом 06.
9. Точное соответствие индексов переменных записям таблицы 2.
10. Природа двухбайтового хвоста без префикса в конце каждого оператора DATA (C9 04, EE 04, 00 00 в ДЕМ6): в длину оператора он входит, но ни под E7, ни под E8 не подходит.
11. Причина различия разметки секторов между токенизированными и текстовыми потоками: в текстовых файлах наблюдается позиционная схема 02/8F/03, в токенизированных все секторы программы идут с маркером 02.
12. Токены операторов DATA SAVE DC END и DATA SAVE DC CLOSE.

Источники

• Баласанян В. Э., Богдюкевич С. В., Шахвердов В. А. Программирование на микроЭВМ «Искра 226». — М.: Финансы и статистика, 1987. — 264 с.: ил.
• Реконструкция по образам дисков: файлы TRANSFER, ФС (текстовые), DIG DEM, #СТАТИСТ, ДЕМ6 (токенизированные), EDITOR (сохранён в обоих представлениях — 182 сектора, 1422 строки; основной материал для проверки структуры таблиц и таблицы токенов), STAT05 (защищённый и оттранслированный, с расчётами с плавающей точкой; материал для разбора формата констант и двузначности токенов), STAT01A (защищённый и оттранслированный; единственный образец с двумерным массивом), STAT00 (защищённый и оттранслированный, сокращённая версия той же программы; материал для разбора двухбайтовых глаголов), М1.Х (сохранён в обоих представлениях; единственный образец с оператором COM и непустой таблицей 3, а также с шестью двумерными массивами), STAT03 и STAT08 (защищённые и оттранслированные; материал для разбора условий появления дополнительных дескрипторов при MAT REDIM, а STAT08 — единственный оттранслированный файл с заполненными адресами в таблице 1).

Дамп STAT01A снят с удалённого файла, поэтому его целостность не гарантирована; выводы по нему опираются только на таблицу 1 и операторы DIM, взаимно согласованные по всем 23 объявленным переменным.

При сверке представлений следует учитывать, что текстовая и оттранслированная копии одной программы на диске могут относиться к разным её версиям. В STAT05 текстовый листинг строки 240 содержит вызов ABS, отсутствующий в оттранслированной копии, что подтверждается длиной оператора.

• Таблица глаголов — из прошивки интерпретатора, по материалам проекта elaranovikova/iskra226.
• Аладьев В. З. и др. Персональный компьютер «Искра-226». Архитектура и программное обеспечение: справочное руководство. — Киев, 1988.
• Структура файловой системы Wang для сопоставления — Wang 2200 Disk Organization.