GEUL 数据是记录的序列。每个记录都以一个 TAG WORD 开头。
记录布局
TAG WORD (16位)
┌──────────┬──────────┬──────────┬──────────┐
│ Prefix │ Kind │ Class │ Length │
│ 3bit │ 4bit │ 5bit │ 4bit │
│ 000 │ KKKK │ CCCCC │ LLLL │
└──────────┴──────────┴──────────┴──────────┘
[Length 扩展 TAG]
[Codec 扩展 TAG]
[Codec 专属 TAG]
Payload
- TAG WORD 为
000K KKKC CCCC LLLL。高 4 位KKKK是章节S = w >> 9,一个章节有 32 格。C是章节内的 5 位偏移(w >> 4) & 0x1F。 - TAG ID 写作
0x000L。前三位是章节与C合在一起的 9 位 Codec 位置(w >> 4),L是 Length 位置。实际的 WORD 值在 L 位置写数字(例:TRIPLE 为0x0AAL,10 WORD TRIPLE 的 TAG WORD 为0x0AA9)。 - 扩展 TAG 只按上述顺序放置。Length 扩展 TAG 总是紧跟在 TAG WORD 之后。
- Codec 专属 TAG 和 Payload 的构成由各 Codec 规格规定。Codec 专属 TAG 的长度不写在 TAG WORD 中。因为解释 Payload 无论如何都需要 codebook。
- 有子格式的 Codec 用 1 WORD 的 Codec 专属 TAG 指定子格式(Edge WORLD 等)。
字节顺序
- 规范序列化为大端序。
- 位字段从最高位开始排布。
- 在 WORD 内先写高位字节,由多个 WORD 构成的值先写高位 WORD。
- 内存中的表示由实现自由决定。
Kind(章节区间)
| 章节 | Kind | TAG ID | 定义 |
|---|---|---|---|
| 0~2 | Reference | 0x000L~0x05FL | 指向对象。用 Codec 和对象 ID 标识对象 |
| 3·4 | Value | 0x060L~0x09FL | 直接承载值本身。Codec 决定 Payload 的解释 |
| 5~13 | Edge | 0x0A0L~0x1BFL | 将其他记录作为构成要素绑定在一起。Codec 决定构成要素的角色和顺序 |
| 14·15 | Meta | 0x1C0L~0x1FFL | 谈论文档和记录 |
Kind 由章节区间唯一判定:
w < 0x0600Reference,w < 0x0A00Value,w < 0x1C00Edge,其余为 Meta。没有例外。Kind 是 Codec 的不可变属性。Codec 一经分配,其 Kind 不再变动。
Value 和 Edge 是相同的“Codec + Payload”格式。只有 Edge 把其他记录作为构成要素。
Reference 将占位标记、指针、5Q 体系、REFERENCE-ISSUER 分在码表中。量化在体系码中。REFERENCE-ISSUER 的量化由 Issuer 文档规定(Reference)。
Length(4 位)
Length 是记录占用的整体 WORD 数。包含 TAG WORD、扩展 TAG、Payload 和最后一个 WORD 的填充。
| 值 | 含义 |
|---|---|
0000~1101 | 1~14 WORD(值 + 1) |
1110 | 扩展长度 1:后面 1 WORD 为整体 WORD 数(15~65,535) |
1111 | 扩展长度 2:后面 2 WORD 为整体 WORD 数(65,536~2³²−1) |
- 1~14 WORD 必须使用直接长度书写。更宽的写法不是规范形式。
- 扩展长度的整体 WORD 数也包含 Length 扩展 TAG 自身。
- 没有超过 2³²−1 WORD 的记录。
- 1 WORD 记录是没有 Payload 的单个 TAG WORD。只在 Codec 规格允许时使用(例:Meta
BODY、END、空字节序列、占位标记)。 - 即使没有 codebook,也可以用
下一个记录位置 = 当前记录起始 + Length跳过记录。
Codec(章节与 C,9 位)
| TAG ID | 名称 | 含义 |
|---|---|---|
| 各 Kind 区域的前部 | 直接码 | 仅凭 TAG WORD 即可确定 Codec |
0x05DL、0x09DL、0x1BDL | REFERENCE-ISSUER-2WORD、VALUE-ISSUER-2WORD、EDGE-ISSUER-2WORD | Codec 扩展 TAG 中含 Issuer 2 WORD 和 Codec 编号 2 WORD |
0x05EL、0x09EL、0x1BEL | REFERENCE-ISSUER-4WORD、VALUE-ISSUER-4WORD、EDGE-ISSUER-4WORD | Codec 扩展 TAG 中含 Issuer 4 WORD 和 Codec 编号 2 WORD |
0x05FL、0x09FL、0x1BFL | REFERENCE-ISSUER-16WORD、VALUE-ISSUER-16WORD、EDGE-ISSUER-16WORD | Codec 扩展 TAG 中含 Issuer 16 WORD 和 Codec 编号 2 WORD |
- 各 Kind 区域的末三格是 ISSUER。 Issuer 宽度由 C 的低 2 位决定(
012 WORD,104 WORD,1116 WORD)。Meta 没有 Issuer 格式。 - 直接码的
C在每个章节中各自独立。即使C值相同,章节不同就是不同的 Codec。直接码的 Codec ID 是完整的 TAG WORD(L=0),因此包含 Kind。 - Issuer Codec 编号与 Kind 无关,每个 Issuer 是一个空间。由 Issuer 在自己的
codecs/内分配不重复的编号(公布地址与版本列表)。 - 不是直接码的 Codec 是
(Issuer, Codec 编号)对。Codec 编号由该 Issuer 定义(Issuer 与公布)。扩展格式放在制定该格式的机构的 Issuer 之下。 - 已有直接码的 Codec 不再单独以 Issuer 格式登记。
- Issuer 格式存在于 Reference、Value、Edge。Meta 是仅由 GEUL 定义的通用规格。
- Edge 直接码的章节(
w >> 9)就是系列。Value 直接码和 Meta 不用位来表示系列·类。Codec 编号的含义由 Issuer 决定。 - 直接码无法回收。只有确认了使用频率的格式才放入直接码。
Issuer 格式记录
TAG WORD ISSUER 码 (各 Kind 区域的末三格)
[Length 扩展 TAG]
Issuer 2/4/16 WORD (宽度由 Codec 决定)
Codec 编号 2 WORD. 由 Issuer 定义
Payload 由 Issuer 发行的 Codec 文档决定
- 三个 Kind 的布局相同。编号不够时,再申请一个 Issuer。
- Edge(EDGE-ISSUER)的 Payload 与其他 Edge 一样以 Edge Id 开头。因此顺序是 TAG、Issuer、Codec 编号、Edge Id、其余 Payload。
- 不了解该格式的解码器,读到 Issuer 和 Codec 编号为止,用 Length 跳过。
可变长度字节序列
文本、URI、语言标签、未知字节序列等长度以字节为单位的值,将 Codec(或 Codec 编号)分配为偶数·奇数对。
- Codec 的最低位(直接码为 C 的最低位)为
0则字节数为偶数,为1则为奇数。 - 字节数 =
2 × Payload WORD 数 − 最低位。没有 Byte Count 字段。 - 为奇数时,最后一个 WORD 的低字节是
0x00填充。不是0x00则拒绝。 - 空字节序列是偶数 Codec 的 1 WORD 记录(仅 TAG WORD)。
- UUID·摘要·地址等大小固定的值不设对。
例:读取 TAG WORD
我们来读 0AA9。
0x0AA9 = 0000 1010 1010 1001
000 | 0101 | 01010 | 1001
Prefix 000, 章节 0101(5, Edge), C 01010, Codec 0x0AAL(TRIPLE), Length 1001(10 WORD)
该记录是 10 WORD 的 Edge,Codec 是 TRIPLE。即使没有 codebook,也知道下一个记录在 10 WORD 之后。
占位标记
TAG WORD 0x0000、0x0010、0x0020 是 Reference 占位标记的 1 WORD 记录。它们不指向对象,只填充记录字段的位置(占位标记)。
0x0000, 0x0010, 0x0020 = 0000 0000 00CC 0000
Prefix 000, 章节 0(Reference), C 0~2, LLLL 0000(1 WORD)
| WORD | 名称 | 含义 | 谈论的是什么 | 逻辑 | 世界假设 | 维基数据 |
|---|---|---|---|---|---|---|
0x0000 | ABSENT | 未填写 | 文档:未填充这个位置 | 无断言 | 开放世界 | 无 snak |
0x0010 | UNKNOWN-VALUE | 未知 | 世界:有值,但不知道是什么 | ∃x. P(s, x) | 存在是封闭的,身份是开放的 | somevalue |
0x0020 | NO-VALUE | 无 | 世界:没有值 | ¬∃x. P(s, x) | 对 (s, P, 限定条件) 封闭 | novalue |
- 例:子女(P40)为 ABSENT 则不知道有几个,为 UNKNOWN-VALUE 则至少 1 个,为 NO-VALUE 则是 0 个。终止时间(P582)为 ABSENT 则不知道现在是否仍有效,为 UNKNOWN-VALUE 则已结束但不知何时,为 NO-VALUE 则尚未结束。
- 只有字段的 CODEC 列表精确包含该 WORD 时,标记才有效。在通配符、没有 CODEC 的字段、HEAD·BODY 记录位置、Edge Id 位置,标记无效(CODEC)。
- 读取方的义务:
- UNKNOWN-VALUE 不是值,而是存在断言。它与任何值既不相同也不相异,两个 UNKNOWN-VALUE 之间也不视为相同的值。含 UNKNOWN-VALUE 的 TRIPLE 不做重复合并。
- NO-VALUE 在该命题的限定条件内封闭。如果与同一 Subject·Predicate·rank 下限定条件无法区分的值 TRIPLE 并存,则是矛盾,检查器会发出警告(不拒绝)。
- rank 同样适用。选取代表值(truthy)时,带这两种标记的 TRIPLE 也是候选。
- 作为 QUALIFIER 值使用时,会改变该限定的含义(
P582 = UNKNOWN:已结束,时间不明。P582 = NONE:尚未结束)。 - ABSENT 对世界不作任何陈述。无法转换的值不用 UNKNOWN-VALUE 表示。
规范形式
相同的内容必须是相同的字节。这样内容哈希和签名才能唯一确定。
- 长度使用最短写法(1~14 WORD 为直接长度)。
- 整数用最窄宽度书写。遵循各 Codec 规格规定的规范形式。
- 拒绝不是规范形式的记录。
- 例外:CODEC 目标 WORD 的
L=1111与C值无关,只看章节KKKK。建议使用章节第一格(C = 0),即使是同一章节的其他C也不拒绝。