prep-step/docs/formato-asm.md

Come leggere un .asm Creo per dedurne i componenti

Il file .asm di Pro/ENGINEER-Creo è un formato binario proprietario, non documentato pubblicamente. Non esiste un parser strutturale completo in questo progetto: l'estrazione dei componenti si basa su un'euristica testuale, validata a mano confrontando l'output con l'albero reale mostrato da Creo. Questo documento riassume cosa si è osservato e i suoi limiti.

Struttura osservata

Il file contiene, frammentate tra dati binari, molte coppie testuali del tipo

<nome_campo>\x00<valore>\x00

in encoding a 1 byte per carattere (Latin1/ASCII), es.:

6d 6f 64 65 6c 5f 6e 61 6d 65 00 39 30 34 34 32 30 37 30 36 31 5f 43 30 31 23 41 46 30 00
m  o  d  e  l  _  n  a  m  e \0 9  0  4  4  2  0  7  0  6  1  _  C  0  1  #  A  F  0 \0

I codici dei componenti (propri e sotto-componenti) compaiono come stringhe ASCII leggibili in diversi campi ricorrenti:

• model_name, generic_name, inst_name, gen_name, feat_name, family_name, name — metadati associati a un modello referenziato.
• Componente ID N (<codice>.PRT|.ASM) — riga di placement: N è un ID progressivo assegnato da Creo al componente posizionato nell'assieme.
• <codice>#AF0 — riferimento con suffisso di versione/configurazione.

Un codice reale compare più volte nel file (una per feature/placement diverso); rumore binario che assomiglia casualmente a un codice compare quasi sempre una sola volta. Questa è la base del filtro in AssemblyComponentScanner.cs e in scripts/ExtractCreoStrings.cs:

regex:        \b\d{8,12}(?:_[A-Za-z]\d{2,4}|[A-Za-z]{0,2})\b
occorrenze:   >= 2

Falsi positivi noti

ID di viste salvate. Il pattern ModelView#<numero> (es. ModelView#1073741828) genera candidati a 10 cifre indistinguibili da un codice reale per forma, ma sono ID interni di viste orientate salvate, non componenti. Si escludono con un lookbehind negativo sulla regex: (?<!ModelView#).

Il codice dell'assieme stesso. Il proprio codice compare spesso decine di volte nei metadati (CODICE, part_table, STAMPIGLIATURA, ecc.) e supera quindi la soglia di occorrenze. Va escluso esplicitamente confrontandolo con il codice derivato dal nome del file in ingresso (nomefile.split('.')[0]).

Riferimenti fantasma a codici superati/rinominati. Caso osservato: 9244207061.asm contiene un riferimento a 9044207061 (stesso numero, prima di una rinumerazione) con la stessa identica struttura sintattica di un componente vero — Componente ID 46 (9044207061.ASM), più i campi model_name/generic_name corrispondenti. Il codice 9044207061 esiste davvero nell'indice CAD (il file vecchio non è stato eliminato dalla share), quindi supera anche una validazione incrociata contro il DB. Non è però un componente realmente presente nell'albero mostrato da Creo per quell'assieme (confermato aprendo il file in Creo).

Questo caso non è distinguibile a livello testuale: la sintassi è identica a quella di un placement reale. Nessuna euristica sulla stringa riesce a discriminarlo in modo affidabile senza rischiare di scartare componenti veri con pattern simili altrove. Se ricompare, l'unica verifica sicura resta l'apertura manuale in Creo del sotto-assieme sospetto.

Risoluzione ricorsiva dell'albero

Un .asm referenzia solo i propri sotto-componenti diretti, non l'intero albero annidato. Per ricostruire la distinta base completa serve una BFS:

1. Estrarre i codici candidati dal file corrente (euristica sopra).
2. Per ogni codice, cercarlo nell'indice cad_index.db (files_ultima_versione) per sapere se è un .prt (foglia) o un .asm (da accodare alla coda per essere scansionato a sua volta).
3. Un codice non trovato nell'indice va scartato/segnalato: o è rumore binario, o è un componente non ancora indicizzato.

Stessa logica in tre punti del codice, con scopi diversi:

• AssemblyComponentScanner.EstraiCodiciReferenziati — solo estrazione dei candidati da un file.
• Form1.AssiemeCompleto — BFS per verificare se un assieme è completo nell'indice (fase "Verifica completezza").
• scripts/ExtractCreoStrings.cs — stesso BFS, standalone, per generare un BOM.txt da riga di comando.

Strumento di analisi manuale

scripts/Analyze.cs stampa il contesto testuale ed esadecimale attorno a ogni occorrenza di un pattern in un file binario — usato per tutte le osservazioni di questo documento:

dotnet run scripts/Analyze.cs -- raw/9244207061.asm.1 "9044207061"

Utile per verificare a mano un nuovo falso positivo prima di modificare la regex o l'esclusione nello script di estrazione.