4、网表解析入门：使用Python解析EDIF网表、提取基本单元（Cells）与连接（Nets）、构建内存中的图结构。
好，咱们进入正题。上一章我们聊了EDIF文件长什么样，这一章，我们就亲手把它拆了。
说白了，网表解析就是把那个文本文件，变成我们能在内存里操作的数据结构。你想想看，一个几百兆的EDIF文件，你总不能每次都打开文本编辑器去搜吧？那效率太低了。我们要的是——把它变成一张图，一张能让我们随意遍历、搜索、分析的图。
4.1 为什么选Python？
我个人习惯用Python做这类工作。原因很简单：快。不是运行快，是开发快。
我在项目中遇到过好几次，客户给了一个加密的网表，只给了EDIF格式。用C++写解析器？那得折腾好几天。Python呢？一个下午，连解析带可视化，全搞定了。
Python有几个天然优势：
- 字符串处理强：EDIF本质就是文本，Python的字符串操作和正则表达式，处理起来得心应手。
- 数据结构丰富：字典、列表、集合，直接拿来用，不用自己造轮子。
- 生态好：NetworkX、PyGraphviz这些图处理库，直接帮我们把网表变成图。
4.2 解析策略：先粗后细
EDIF文件是嵌套结构，一层套一层。我的解析策略很简单：先粗后细。
第一步，先把整个文件读进来，按括号分组。EDIF的括号是成对出现的，我们可以写一个简单的括号匹配器，把顶层模块、库定义、单元定义这些大块先切出来。
第二步，再针对每个大块，递归解析内部细节。
嗯，这里要注意：EDIF的语法其实挺松散的，有些工具生成的EDIF文件，缩进乱七八糟，甚至一行写完。所以别依赖缩进来解析，老老实实按括号匹配。
4.3 核心数据结构设计
我们需要在内存里构建两个核心东西：Cells（单元） 和 Nets（连接）。
我一般用两个字典来存：
# 单元字典：key是单元名，value是单元对象
cells = {}
# 连接字典：key是网名，value是网对象
nets = {}每个Cell对象，我至少存这些信息：
| 字段 | 说明 | 示例 |
|---|---|---|
| name | 单元实例名 | U1, U2 |
| cell_type | 单元类型（对应库中的定义） | AND2, DFF, INV |
| ports | 端口列表，每个端口有名字和方向 | {'A': 'input', 'Q': 'output'} |
| pin_connections | 每个端口连接到的网名 | {'A': 'net1', 'Q': 'net2'} |
每个Net对象，我存这些：
| 字段 | 说明 | 示例 |
|---|---|---|
| name | 网名 | N1, clk, rst |
| connected_pins | 连接到此网的所有引脚列表 | [(U1, 'Q'), (U2, 'A')] |
4.4 实战：写一个简易解析器
好，我们直接上代码。这个解析器不追求完美，但能处理90%的常见EDIF文件。
import re
class EdifParser:
def __init__(self, filepath):
self.filepath = filepath
self.cells = {}
self.nets = {}
def parse(self):
with open(self.filepath, 'r') as f:
content = f.read()
# 第一步：提取所有单元实例
# 在EDIF中，单元实例通常以 (instance 开头
instance_pattern = r'\(instance\s+(\S+)\s*\(viewref\s+(\S+)\)'
instances = re.findall(instance_pattern, content)
for inst_name, cell_type in instances:
# 创建单元对象
cell = {
'name': inst_name,
'cell_type': cell_type,
'pin_connections': {}
}
self.cells[inst_name] = cell
# 第二步：提取每个单元的引脚连接
# 查找 (instance ... (port ...) ...) 结构
# 这里用简化方法：找 (joined ...) 或 (net ...) 结构
net_pattern = r'\(net\s+(\S+)\s*(.*?)\)'
nets_found = re.findall(net_pattern, content, re.DOTALL)
for net_name, net_body in nets_found:
net = {
'name': net_name,
'connected_pins': []
}
self.nets[net_name] = net
# 提取连接到这个网的所有引脚
pin_pattern = r'\(portref\s+(\S+)\s*\(instanceref\s+(\S+)\)\)'
pins = re.findall(pin_pattern, net_body)
for port_name, inst_name in pins:
net['connected_pins'].append((inst_name, port_name))
# 同时更新单元的pin_connections
if inst_name in self.cells:
self.cells[inst_name]['pin_connections'][port_name] = net_name
return self.cells, self.nets4.5 构建图结构
解析出Cells和Nets之后，下一步就是构建图。我推荐用NetworkX库，它把图论里那些复杂概念都封装好了。
import networkx as nx
def build_graph(cells, nets):
G = nx.DiGraph() # 有向图
# 添加节点（每个Cell是一个节点）
for cell_name, cell_info in cells.items():
G.add_node(cell_name,
cell_type=cell_info['cell_type'],
ports=cell_info['pin_connections'])
# 添加边（通过Net连接的两个Cell之间加边）
for net_name, net_info in nets.items():
pins = net_info['connected_pins']
# 如果有两个以上的引脚连接，说明这是一个信号传播路径
for i in range(len(pins)):
for j in range(i+1, len(pins)):
src_cell, src_port = pins[i]
dst_cell, dst_port = pins[j]
# 判断方向：输出到输入
# 这里需要查库定义，简化处理：假设端口名含'Q'或'O'的是输出
if 'Q' in src_port or 'O' in src_port:
G.add_edge(src_cell, dst_cell, net=net_name)
else:
G.add_edge(dst_cell, src_cell, net=net_name)
return G你可能会问：「为什么要用有向图？」
因为信号是有方向的。从触发器的Q端输出，到下一个门的A端输入，这个方向不能搞反。否则你后面做时序分析、扇出分析，全都会错。
4.6 验证解析结果
解析完了，怎么知道对不对？我一般做三件事：
- 数量核对：解析出的Cell数量，应该和EDIF文件里 (instance 的数量一致。Net数量同理。
- 连通性检查：随机挑几个Net，手动在EDIF文件里搜一下，看看连接的引脚对不对。
- 图结构可视化：用小规模的网表（比如几百个Cell），画成图，肉眼看一下有没有孤立的节点。
4.7 知识体系总览
下面这张图，概括了本章的核心逻辑。从EDIF文本文件开始，经过解析、提取、建图，最终得到内存中的图结构。
4.8 小结
这一章我们走完了从EDIF文本到内存图结构的全过程。说白了，就是三步：读文件、拆结构、建图。
我个人觉得，解析器写得好不好，直接决定了后续逆向分析的效率。一个健壮的解析器，能帮你省下大量排查问题的时间。我建议你拿到一个新的EDIF文件后，先用这个解析器跑一遍，看看Cell数量和Net数量是否合理，再往下做分析。
嗯，代码已经给你了，剩下的就是动手试试。找个真实的EDIF文件，跑一遍，看看你能不能解析出那些隐藏的电路结构。