从0构建WAV文件：读懂计算机文件的本质

从0构建WAV文件：读懂计算机文件的本质

虽然接触计算机有一段时间了，但是我的视野一直局限于一个较小的范围之内，往往只能看到于算法竞赛相关的内容，计算机各种文件在我看来十分复杂，认为构建他们并能达到目的是一件困难的事情，然而近期我观看了油管上Magicalbat大神的视频，发现其实它们的本质都惊人地简单：所有计算机文件，都是按特定规则组织的二进制数据，是人为规定好格式再由计算机解析，对于我们来说，只要根据规定格式进行编辑，就能够成功构建。
今天，我们就从最朴素的方式入手，通过手动构建一个WAV音频文件，拆解WAV格式的底层逻辑，同时理解一个核心认知：只要掌握了文件的格式规范，任何类型的文件都能像搭积木一样，一行行代码“拼”出来。
先认识WAV：WAV文件的格式

WAV是微软开发的无损音频格式，相比于压缩后的MP3，它的结构更直白，没有复杂的编码压缩，因此我们能够通过C++文件写入的方式直接完成wav文件的构建，wav文件的核心由三个关键的“数据块(Chunk)”组成：

• RIFF块：文件的“身份卡”，告诉计算机“我是一个WAV文件”；
  
• fmt块：音频的“参数说明”，记录采样率、声道数、位深等核心参数；
  
• data块：真正的音频数据，存储着声音的数字信号。
  

而每个块的内容又如下图所示：

RIFF:
字段名字节数数据类型固定值/计算规则ChunkID4ASCII字符固定为"RIFF"（无终止符，严格4字节）ChunkSize432位无符号整数取值 = 整个WAV文件大小 - 8字节（减去ChunkID和ChunkSize自身的8字节）Format4ASCII字符固定为"WAVE"（无终止符，严格4字节）fmt:
字段名字节数数据类型固定值/计算规则ChunkID4ASCII字符固定为"fmt "（末尾空格，无终止符）ChunkSize432位无符号整数PCM编码（最常用）下固定为16（代表后续字段的总字节数，不含ChunkID和ChunkSize）AudioFormat（代码中Tag）216位无符号整数编码格式：1=PCM（无压缩，通用）；3=IEEE浮点；6=μ律；7=A律等NumChannels（代码中Chnnels，拼写笔误）216位无符号整数声道数：1=单声道；2=立体声；>2=多声道SampleRate432位无符号整数采样率（每秒采样次数）：常见44100Hz（CD音质）、48000Hz、22050Hz等ByteRate432位无符号整数每秒音频数据字节数 = SampleRate × NumChannels × BitsPerSample / 8BlockAlign（代码中BloclAlign，拼写笔误）216位无符号整数每个“采样帧”的字节数 = NumChannels × BitsPerSample / 8（播放器一次读取的最小单位）BitsPerSample（代码中BitsperSample）216位无符号整数采样位深（每个采样点的比特数）：8/16/24/32，16位最常用data:
字段名字节数数据类型固定值/计算规则ChunkID（代码中DataId）4ASCII字符固定为"data"（无终止符，严格4字节）DataSize432位无符号整数音频数据总字节数 = 采样总数 × BlockAlign；采样总数 = SampleRate × 音频时长音频数据区可变二进制流PCM编码下为线性整数/浮点数：16位位深对应int16_t，8位对应uint8_t，32位浮点对应float我们接下来的代码，就是严格按照这个模板，把每个部分的二进制数据“写”进文件里。
从零构建WAV：一行代码拆解核心逻辑

下面是完整的C++代码（新手也能看懂），我们逐段拆解，看如何从0生成一个能播放的440Hz正弦波WAV文件：
[code]#include using namespace std;// 类型别名：让代码更易读，明确数据的字节长度#define u32 uint32_t  // 32位无符号整数（4字节）#define u16 uint16_t  // 16位无符号整数（2字节）#define f32 float     // 32位浮点数（4字节）#define i16 int16_t   // 16位有符号整数（2字节）#define HZ 44100      // 采样率：每秒采集44100个声音样本（标准音频采样率）#define DURATION 5    // 音频时长：5秒// 1. 定义WAV的三个核心数据块结构（对应格式规范）// RIFF块：文件整体标识struct chunk1{    char ChunkID[4];   // 块标识，固定为"RIFF"    u32 ChunkSize;     // 从该字段到文件末尾的字节数（总字节数-8）    char Format[4];    // 格式类型，固定为"WAVE"}RIFF;// fmt块：音频参数配置struct chunk2{    char ChunkID[4];   // 块标识，固定为"fmt "（注意末尾有空格）    u16 Tag;           // 编码格式，1代表PCM（无压缩）    u32 ChunkSize;     // fmt块的大小，PCM格式固定为16    u16 Chnnels;       // 声道数：1=单声道，2=立体声    u32 SampleRate;    // 采样率    u32 ByteRate;      // 每秒数据量 = 采样率×声道数×位深/8    u16 BloclAlign;    // 每个采样的总字节数 = 声道数×位深/8    u16 BitsperSample; // 每个采样的位深：16位（常见）}Fmt;// data块：音频数据存储区struct chunk3{    char DataId[4];    // 块标识，固定为"data"    u32 DataSize;      // 音频数据的总字节数}Data;signed main(int argc,char* argv[]){    // 打开文件："wb"表示以二进制模式写入（关键！文件本质是二进制）    FILE *fp = fopen("test.wav","wb");    // 计算总采样数：采样率×时长（5秒×44100=220500个样本）    u32 NumSamples = HZ * DURATION;    // 2. 填充RIFF块并写入文件    memcpy(RIFF.ChunkID,"RIFF",4);          // 写入块标识    RIFF.ChunkSize = NumSamples*sizeof(u16)+36; // 计算块大小    memcpy(RIFF.Format,"WAVE",4);           // 声明为WAVE格式    fwrite(RIFF.ChunkID,sizeof(char),4,fp); // 写入4个字符的ChunkID    fwrite(&RIFF.ChunkSize,sizeof(u32),1,fp); // 写入4字节的ChunkSize    fwrite(RIFF.Format,sizeof(char),4,fp); // 写入4个字符的Format    // 3. 填充fmt块并写入文件    memcpy(Fmt.ChunkID,"fmt ",4);    Fmt.ChunkSize = 16;          // PCM格式下fmt块固定16字节    Fmt.Tag = 1;                 // PCM无压缩编码    Fmt.Chnnels = 1;             // 单声道    Fmt.SampleRate = HZ;         // 44100Hz采样率    Fmt.ByteRate = HZ*sizeof(u16); // 每秒字节数：44100×2=88200    Fmt.BloclAlign = Fmt.Chnnels * sizeof(u16); // 每个采样2字节    Fmt.BitsperSample = 16;      // 16位位深    // 按顺序写入fmt块的所有参数（严格遵循格式规范）    fwrite(&Fmt.ChunkID,sizeof(char),4,fp);    fwrite(&Fmt.ChunkSize,sizeof(u32),1,fp);    fwrite(&Fmt.Tag,sizeof(u16),1,fp);    fwrite(&Fmt.Chnnels,sizeof(u16),1,fp);    fwrite(&Fmt.SampleRate,sizeof(u32),1,fp);    fwrite(&Fmt.ByteRate,sizeof(u32),1,fp);    fwrite(&Fmt.BloclAlign,sizeof(u16),1,fp);    fwrite(&Fmt.BitsperSample,sizeof(u16),1,fp);    // 4. 填充data块并写入文件    memcpy(Data.DataId,"data",4);    Data.DataSize = NumSamples * sizeof(u16); // 音频数据总字节数    fwrite(&Data.DataId,sizeof(char),4,fp);    fwrite(&Data.DataSize,sizeof(u32),1,fp);    // 5. 生成音频数据并写入（440Hz正弦波，标准A调）    for(int i=0;i 在内存中加工处理 -> 按规则写回二进制。当你不再把文件看作“黑盒”，你便拥有了重塑数字世界的能力。</p>
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

用心讨论，共获提升！

感谢分享

谢谢分享，试用一下

很好很强大  我过来先占个楼 待编辑

感谢分享