Value 是承载值本身的记录。由 Codec 决定 Payload 的解释。
布局
TAG WORD 000K KKKC CCCC LLLL 章节 3·4 (0x060L~0x09FL)
[Length 扩展 TAG]
[Codec 扩展 TAG] Issuer 格式时
Payload
LLLL是包含 TAG WORD 在内的总 WORD 数 − 1。1~14 WORD 为直接长度,15 WORD 以上为扩展长度。- Issuer 格式时,在 Codec 扩展 TAG 中放入 Issuer(宽度由 Codec 决定,2/4/16 WORD)和 Codec 编号 2 WORD。Codec 编号由 Issuer 决定。
- 解码器即使不了解格式,也能读到 Kind、Length、Issuer、Codec 编号。
系列
Value 编号不表示系列。直接码不用 bit 表示系列,Issuer 格式也没有系列规则。系列是主题分组。
| 系列 | 直接码 |
|---|---|
| NUMERIC | 0x060L~0x067L |
| DECIMAL | 0x068L~0x069L |
| TIME | 0x06AL~0x071L, 0x081L |
| TEXT | 0x072L~0x07AL |
| BINARY | 0x07BL~0x080L |
- 向量、张量、复数、分数、区间等数值属于 NUMERIC。例外是 BIT-VECTOR 属于 BINARY。语言码属于 TEXT。
- Issuer 格式记录带有 Codec 扩展 TAG(Issuer 与 Codec 编号)。Payload 较长(总计 15 WORD 以上)时使用 Length 扩展 TAG。
直接码
| Codec | 名称 | 系列 | 说明 |
|---|---|---|---|
0x060L | BOOL | NUMERIC | false 或 true |
0x061L | SIGNED-INTEGER | NUMERIC | 最小 WORD 补码整数 |
0x062L | UNSIGNED-INTEGER | NUMERIC | 最小 WORD 无符号整数 |
0x063L | BINARY-FLOAT | NUMERIC | IEEE 754 binary16/32/64/128 |
0x064L | COORDINATE-EARTH | NUMERIC | 地球(WGS 84)纬度·经度与不确定度(单位 Reference) |
0x065L | COORDINATE-GEO | NUMERIC | 天体 Reference 与纬度·经度、不确定度(单位 Reference) |
0x066L | QUANTITY | NUMERIC | 数值量(整数·BINARY-FLOAT·十进制数·分数)、单位 Reference、下限·上限 |
0x067L | FRACTION | NUMERIC | 保留写法的分数(分子·分母记录,不约分) |
0x068L | SIGNED-DECIMAL | DECIMAL | C × 10^E,有符号系数 |
0x069L | UNSIGNED-DECIMAL | DECIMAL | C × 10^E,无符号系数 |
0x06AL | GREGORIAN-DATE | TIME | 自 1970-01-01 起的天数(格里高利历) |
0x06BL | CIVIL-TIME-NANOSECONDS | TIME | 自午夜起的纳秒 |
0x06CL | POSIX-TIMESTAMP-SECONDS | TIME | 自 Unix epoch 起的秒 |
0x06DL | DURATION-SECONDS | TIME | 经过时间(秒) |
0x06EL/0x06FL | EDTF | TIME | ISO 8601-2 扩展日期字符串(年·月精度、不确定、区间) |
0x070L/0x071L | GEDCOM-DATE | TIME | GEDCOM 7 日期字符串(儒略历等其他历法) |
0x072L/0x073L | UTF8-TEXT | TEXT | 无语言标注的 UTF-8 字符串 |
0x074L/0x075L | URI | TEXT | RFC 3986 URI |
0x076L/0x077L | LANGUAGE-BCP47-CODE | TEXT | BCP 47 语言标签 |
0x078L/0x079L | UTF8-LANGUAGE-TEXT | TEXT | 带语言的文本 |
0x07AL | LANGUAGE-SHORT-CODE | TEXT | 1 WORD 压缩语言码 |
0x07BL | UUID | BINARY | RFC 9562 UUID |
0x07CL | SHA-256-DIGEST | BINARY | SHA-256 结果 |
0x07DL | SHA1-DIGEST | BINARY | SHA-1 结果(git 对象 ID 之类的标识用途) |
0x07EL/0x07FL | OPAQUE-BYTES | BINARY | 含义·格式不明的字节序列。偶数·奇数字节 |
0x080L | BIT-VECTOR | BINARY | bit-count 之后按 MSB-first 存储的 N bit |
0x081L | DURATION-NANOSECONDS | TIME | 经过时间(纳秒) |
- 以奇偶配对的代码是变长字节序列。偶数代码的字节数为偶数,奇数代码的字节数为奇数(记录与 TAG WORD)。
- 直接码在
0x060L~0x081L中没有 Reserved。0x082L~0x09CL为 Reserved,0x09DL~0x09FL是 VALUE-ISSUER-2WORD·4WORD·16WORD。
Issuer 格式
直接码中没有的格式,放在制定该格式的机构的 Issuer 之下,以 Codec 编号表示。没有制定机构的惯例格式放在 ADHOC(0x00000002)之下。GEUL 特有的格式(OPAQUE-BYTES、BIT-VECTOR、DURATION-NANOSECONDS)是直接码。
| Issuer | 格式示例 |
|---|---|
ADHOC 0x00000002 | BFLOAT16、整数·实数向量、张量、复数、分数、区间、四元数、BLAKE3 |
IETF 0x00000007 | 相对 URI、CRC32C、IPv4·IPv6 地址 |
IEEE 0x0000000D | IEEE 754 decimal32/64/128、POSIX 纳秒时间戳、MAC 地址 |
KHRONOS 0x0000000E | RGBA8·BGRA8 像素 |
ONNX 0x00000010, OCP 0x00000011 | FP8, FP4 |
BIPM 0x00000013 | TAI 时间戳 |
NIST 0x00000015 | SHA-512, SHA3-256 |
GPS 0x00000016 | GPS 时间戳 |
- 不了解格式的解码器可以读到 Issuer 和 Codec 编号,并按 Length 跳过。
- Codec 文档放在该 Issuer 的
codecs/之下,以记录的 Codec 编号命名。例:IETF CRC32C 位于0x00000007/codecs/0x0000C000/(公布地址与版本列表)。 - 图像、视频等大型值,建议不直接放入,而用 URI 和 SHA-256 引用。
- 字节序列中的作品遵循其原有许可证。出处与许可证以 Meta 记录。
格式分组
各分组的说明如下。各格式的布局、解释、有效性、示例见各格式文档。
| 分组 | 系列 | 格式 |
|---|---|---|
| numeric | NUMERIC | BOOL、整数、浮点数、坐标、QUANTITY、FRACTION |
| decimal | DECIMAL | SIGNED-DECIMAL、UNSIGNED-DECIMAL、IEEE 754 decimal32/64/128 |
| time | TIME | 日期、时刻、时间戳、经过时间、EDTF、GEDCOM 日期 |
| text | TEXT | UTF-8 文本、带语言的文本、URI、语言码 |
| binary | BINARY | UUID、摘要、CRC、网络地址、不明字节序列、位向量 |
| vector | NUMERIC | 整数·实数稠密向量、点·边界框、RGBA·BGRA 像素 |
| tensor | NUMERIC | 附带格式·rank·shape 的 dense·packed 张量 |
| etc | NUMERIC | 复数、分数、闭区间、四元数 |
- vector、tensor、etc 分组都是 NUMERIC 系列的 Issuer 格式(ADHOC、KHRONOS)。
numeric
NUMERIC 系列的基本数值格式。放在直接码 0x060L~0x067L。
- 有 BOOL、有符号·无符号整数、IEEE 754 binary 浮点数、地球(WGS 84)·天体坐标、将量·单位·边界合在一起的 QUANTITY,以及保持原文写法的分数 FRACTION。
- 整数以能容纳其值的最小 WORD 书写。
- 小型标量 Issuer 格式(BFLOAT16、FP8、FP4)只分配了 Codec 编号,没有详细规格(Value 未决问题)。
- 向量、张量、复数、既约分数(RATIONAL-I64)、区间也属于 NUMERIC 系列,但因是 Issuer 格式,所以放在 vector、tensor、etc 分组。
decimal
DECIMAL 系列是精确的十进制数格式。放在直接码 0x068L~0x069L。
- 直接码 SIGNED-DECIMAL·UNSIGNED-DECIMAL 以
C × 10^E书写,原样承载原始写法的位数。1.20(C=120, E=−2)与1.2(C=12, E=−1)是不同的记录。值相等性与 quantum 的保存是 SIGNED-DECIMAL 的未决问题。 - IEEE 754 decimal32/64/128 的 DPD·BID 编码是 IEEE Issuer(
0x0000000D)格式。
time
TIME 系列是日期与时刻格式。放在直接码 0x06AL~0x071L 和 0x081L(DURATION-NANOSECONDS)。
| 精度 | 格式 |
|---|---|
| 日期(格里高利历) | GREGORIAN-DATE |
| 年·月、不确定、区间 | EDTF |
| 其他历法的原始写法(儒略历等) | GEDCOM-DATE |
| 时刻 | POSIX·TAI·GPS 时间戳 |
| 经过时间 | DURATION-SECONDS、DURATION-NANOSECONDS |
- 能用 GREGORIAN-DATE 书写的日期,不用 EDTF 书写。
- 纳秒时间戳和 TAI·GPS 格式是各标准机构 Issuer(IEEE、BIPM、GPS)之下的格式。
text
TEXT 系列是文本与字符串标识符格式。放在直接码 0x072L~0x07AL。
- 无语言的字符串是 UTF8-TEXT,名称·标题·句子等有语言的文本是 UTF8-LANGUAGE-TEXT。
- 语言码(LANGUAGE-SHORT-CODE、LANGUAGE-BCP47-CODE)也属于 TEXT 系列。
- 变长字节序列用偶数·奇数 Codec 对表示。最低位为
1表示字节数为奇数,最后一个 WORD 的低位字节是0x00填充(记录与 TAG WORD)。
binary
BINARY 系列是字节序列格式。放在直接码 0x07BL~0x080L。
- UUID、SHA-256、SHA-1、不明字节序列(OPAQUE-BYTES)、位向量(BIT-VECTOR)是直接码。其余摘要、CRC32C、IPv4·IPv6·MAC 地址是 Issuer 格式。
- 定长值(UUID、摘要、地址)大小已定,所以不设奇偶对。
- 图像、视频等公开媒体,作为 IANA Issuer(
0x00000008)的格式放置。Codec 编号以奇偶对分配,Payload 是字节序列。Length 上限为 2^32−1 WORD。大型值建议不直接放入,而用 URI 和 SHA-256 引用。 - 字节序列中的作品遵循其原有许可证。出处与许可证以 Meta 记录。
vector
向量格式是 NUMERIC 系列的 Issuer 格式。整数·实数稠密向量与点·边界框放在 ADHOC(0x00000002)的 Codec 编号 0x00000500~0x0000050C,像素格式放在 KHRONOS(0x0000000E)之下。
- 稠密向量的元素按 big-endian 连续存储。
- 因为是 Issuer 格式,Codec 扩展 TAG 带有 Issuer 2 WORD 和 Codec 编号 2 WORD。
tensor
张量格式是 NUMERIC 系列的 Issuer 格式。放在 ADHOC(0x00000002)的 Codec 编号 0x00000600~0x00000601。
- DESCRIBED-DENSE-TENSOR 承载元素格式·rank·shape 与 C-contiguous dense payload。
- DESCRIBED-PACKED-TENSOR 承载 packed 格式·rank·shape 与 octet 内 low-bit-first 的 packed payload。
etc
其他数值格式是 NUMERIC 系列的 Issuer 格式。放在 ADHOC(0x00000002)的 Codec 编号 0x00000700~0x00000704。
- 有复数(COMPLEX64、COMPLEX128)、规范化分数(RATIONAL-I64)、binary64 闭区间、binary32 四元数。
文本
有语言的文本与无语言的文本是不同的值。“Paris”(字符串)与 “Paris”(法语)并不相同。
| 格式 | 使用场合 |
|---|---|
| UTF8-TEXT | 标识符、代码、文件名、外部 ID 等无语言的字符串 |
| UTF8-LANGUAGE-TEXT | 名称、标题、句子等有语言的文本 |
UTF8-LANGUAGE-TEXT
TAG WORD 0000 0111 100P LLLL (P = 文本为奇数字节)
[Length 扩展 TAG]
语言 LANGUAGE-SHORT-CODE 或 LANGUAGE-BCP47-CODE 记录
文本 UTF-8 字节 (奇数时最后为 0x00)
- 文本是 well-formed UTF-8,按原文保存。规范化由比较、索引的一方负责。
- 多种语言通用的名称,语言写作
mul,语言未定写作und。无语言内容的字符串是 UTF8-TEXT。
例:"Douglas Adams"@en(13 字节,奇数)
0799 0761 656E 446F 7567 6C61 7320 4164 616D 7300
TAG 语言 en D o u g l a s ␠ A d a m s (填充)
十进制数与数量
精确的十进制数以 C × 10^E 书写。指数 E 为 32 位,系数 C 为最小 WORD 补码。原样承载原始写法的位数:1.20 为 C=120, E=−2,1.2 为 C=12, E=−1。两种写法表示同一个数,但字节不同,是各自独立的记录。编码器不得任意规范化写法。两条记录的值相等性与 quantum(有效数字)的含义是未决问题(SIGNED-DECIMAL)。
QUANTITY 把量、单位、边界放进一个值。
TAG WORD 0000 0110 0110 LLLL
[Length 扩展 TAG]
量 数值 Value 记录 (整数·BINARY-FLOAT·十进制数·分数)
单位 Reference 记录 (单位条目),无单位则为 0x0000
下限 数值 Value 记录,省略则为 0x0000 ABSENT
上限 数值 Value 记录,省略则为 0x0000 ABSENT
- 单位是值的一部分。不把单位拆下来写到别处(拆开后就无法知道
652是 km 还是 m)。 - 不承载换算为 SI 单位后的值。可以由单位和换算表计算得出。
0x0000是表示省略了可选字段的标记 ABSENT(Codec 规格文档)。
例:652 km,范围 [651, 653](km = Wikidata Q828224)
066E 0011 TAG (扩展长度 17 WORD)
0683 0000 0000 028C 量 652
0142 000C A340 单位 Q828224
0683 0000 0000 028B 下限 651
0683 0000 0000 028D 上限 653
日期
| 精度 | 格式 |
|---|---|
| 日期(格里高利历) | GREGORIAN-DATE |
年·月、不确定(1971~)、区间 | EDTF |
| 其他历法的原始写法(儒略历等) | GEDCOM-DATE |
| 时刻 | POSIX·TAI·GPS 时间戳 |
- 能用 GREGORIAN-DATE 书写的日期,不用 EDTF 书写。
未决问题
- 公开媒体格式(JPEG、PNG、MP4、MOV 等)放在 IANA Issuer(
0x00000008)的 Codec 编号下。媒体类型与 Codec 编号的对应表的管理方式。 - Value 直接码的最终列表。通过测量法令·业务对话样本中的 Value 频率来确定(金额、百分比、日期区间候选)。
- 7 个小型标量(ADHOC BFLOAT16、ONNX FP8 4 种、OCP FP8-E8M0FNU·FP4-E2M1FN)的详细规格与排布。尚未决定是否迁为直接码。目前只分配了 Codec 编号。