780
文本文件與二進製文件的編碼差別
網上關於文本文件與二進製文件的文章很多，但遺憾的是，這些文章講得都比較散。下麵我將結合所查到的資料，從多個角度談談文本文件與二進製文件。
一、文本文件與二進製文件的定義
大家都知道計算機的存儲在物理上是二進製的，所以文本文件與二進製文件的區別並不是物理上的，而是邏輯上的。這兩者隻是在編碼層次上有差異。
簡單來說，文本文件是基於字符編碼的文件，常見的編碼有ASCII編碼，UNICODE編碼等等。二進製文件是基於值編碼的文件，可以根據具體應用，指定某個值是什麼意思（這樣一個過程，可以看作是自定義編碼）。
從上麵可以看出文本文件基本上是定長編碼的，基於字符，每個字符在具體編碼中是固定的，ASCII碼是8個比特的編碼，UNICODE一般占16個比特。而二進製文件可看成是變長編碼的，因為是值編碼，多少個比特代表一個值，完全由自定義決定。大家可能對bmp文件比較熟悉，就拿它舉例子吧，其頭部是固定長度的文件頭信息，前2字節用來記錄文件為BMP格式，接下來的8個字節用來記錄文件長度，再接下來的4字節用來記錄bmp文件頭的長度。大家可以看出來，其編碼是基於值的（不定長的，2、4、8字節長的值都有），所以BMP是二進製文件。
二、文本文件與二進製文件的存取
文本工具打開一個文件的過程是怎樣的呢？拿記事本來說，它首先讀取文件物理上所對應的二進製比特流（前麵已經說了，存儲都是二進製的），然後按照所選擇的解碼方式來解釋這個流，然後將解釋結果顯示出來。一般來說，你選取的解碼方式會是ASCII碼形式（ASCII碼的一個字符是8個比特），接下來，它8個比特8個比特地來解釋這個文件流。例如對於這麼一個文件流"01000000_01000001_01000010_01000011"(下劃線”_”，是我為了增強可讀性，而手動添加的)，第一個8比特''01000000''按ASCII碼來解碼的話，所對應的字符是字符''A''，同理其它3個8比特可分別解碼為''BCD''，即這個文件流可解釋成"ABCD"，然後記事本就將這個"ABCD"顯示在屏幕上。
事實上，世界上任何東西要與其他東西通信會話，都存在一個既定的協議，既定的編碼規範。人與人之間通過文字聯絡，如在漢語中，漢字“媽”代表生育你的那個人，這就是一種既定的編碼。但注意到這樣一種情況，漢字“媽”在日本文字裏有可能是你生育下的那個人，所以當一個中國人A與日本人B之間用“媽”這個字進行交流，出現誤解就很正常的。用記事本打開二進製文件與上麵的情況類似。記事本無論打開什麼文件都按既定的字符編碼工作（如ASCII碼），所以當他打開二進製文件時，出現亂碼也是很必然的一件事情了，原因就在於解碼和譯碼不對應。例如文件流''00000000_00000000_00000000_00000001''可能在二進製文件中對應的是一個四字節的整數int 1，但在記事本裏解釋就變成了"NULL_NULL_NULL_SOH"這四個控製符。
文本文件的存儲與其讀取基本上是個逆過程，不再贅述。而二進製文件的存取顯然與文本文件的存取差不多，隻是編解碼方式不同而已，也不再敘述。
三、文本文件與二進製文件的優缺點
因為文本文件與二進製文件的區別僅僅是編碼上不同，所以他們的優缺點就是編碼的優缺點，這個找本編碼的書來看看就比較清楚了。一般認為，文本文件編碼基於字符定長，譯碼容易些；二進製文件編碼是變長的，所以它靈活，存儲利用率要高些，譯碼難一些（不同的二進製文件格式，有不同的譯碼方式）。關於空間利用率，想想看，二進製文件甚至可以用一個比特來代表一個意思(位操作)，而文本文件任何一個意思至少是一個字符．
很多書上還認為，文本文件的可讀性要好些，存儲要花費轉換時間(讀寫要編譯碼)， 而二進製文件可讀性差，存儲不存在轉換時間（讀寫不要編解碼，直接寫值）。這裏的可讀性是從軟件使用者角度來說的，因為我們用通用的記事本工具就幾乎可以瀏覽所有文本文件，所以說文本文件可讀性好；而讀寫一個具體的二進製文件需要一個具體的文件解碼器，所以說二進製文件可讀性差，比如讀bmp文件，必須用讀圖軟件。而這裏的存儲轉換時間應該是從編程的角度來說的，因為有些操作係統如Windows需要對回車換行符進行轉換(將''/n''，換成''/r/n''，所以文件讀寫時，操作係統需要一個一個字符的檢查當前字符是不是''/n''或''/r/n'').這個在存儲轉換在Linux操作係統中並不需要，當然，當在兩個不同的操作係統上共享文件時，這種存儲轉換又可能出來(如Linux係統和Windows係統共享文本文件)。
四、C的文本讀寫和二進製讀寫
應該說C的文本讀寫與二進製的讀寫是一個編程層次上的問題，與具體的操作係統有關，所以“用文本方式讀寫的文件一定是文本文件，用二進製讀寫的文件一定是二進製文件”這類觀點是錯誤的。下麵的講述非明確指出操作係統類型，都暗指Windows。C的文本方讀寫與二進製讀寫的差別僅僅體現在回車換行符的處理上。文本方式寫時，每遇到一個''/n''(0AH換行符)，它將其換成''/r/n''(0D0AH，回車換行)，然後再寫入文件；當文本讀取時，它每遇到一個''/r/n''將其反變化為''/n''，然後送到讀緩衝區。正因為文本方式有''/n''－－''/r/n''之間的轉換，其存在轉換耗時。二進製讀寫時，其不存在任何轉換，直接將寫緩衝區中數據寫入文件。
總地來說，從編程的角度來說，Ｃ中文本或二進製讀寫都是緩衝區與文件中二進製流的交互，隻是文本讀寫時有回車換行的轉換。所以當寫緩衝區中無換行符''/n''(0AH)，文本寫與二進製寫的結果是一樣的，同理，當文件中不存在''/r/n''(0DH0AH)時，文本讀與二進製讀的結果一樣。
下麵給出一個小程序來證明前麵的觀點。
1、編寫如下程序。該程序將字符串"12/n3"分別以文本方式和二進製方式寫入test1和test2，然後再以文本方式讀test1，以二進製方式讀test2。
#include<stdio.h>
int main()
{
FILE * fp_text,* fp_binary;
char write_buf[4]={'1','2','/n','3'};
char read_buf_text[6],read_buf_binary[6];
int read_count_text,read_count_binary;
//未檢測打開是否失敗
fp_text=fopen("test1","wt+");
fp_binary=fopen("test2","wb+");
fwrite(write_buf,4,1,fp_text);
fwrite(write_buf,4,1,fp_binary);
//fflush(fp_text);
//fflush(fp_binary);
fseek(fp_text,0L,SEEK_SET);//fseek附帶了fflush功能
fseek(fp_binary,0L,SEEK_SET);
read_count_text=fread(read_buf_text,sizeof(char),5,fp_text);
read_count_binary=fread(read_buf_binary,sizeof(char),5,fp_binary);
//加''/0''，便於打印字符串
read_buf_text[read_count_text]='/0';
read_buf_binary[read_count_binary]='/0';
printf("In Text Mode:read_count=%d,string=%s/n",read_count_text,read_buf_text);
printf("In Binary Mode:read_count=%d,string=%s/n",read_count_binary,read_buf_binary);
fclose(fp_text);
fclose(fp_binary);
return 0;
}
2、該程序在VC6.0下編譯運行，顯示結果如下：
In Text Mode:read_count=4,string=12 3 //文本方式讀test1，讀到的字符與原先寫入test1的字符一樣 In Binary Mode:read_count=4,string=12 3 //二進製方式讀test2，讀到的字符與原先寫入test2的字符一樣
3、用記事本打開test1和test2，結果如下：
test1的內容： 12 3 //文本方式寫入的，有換行效果，參看下麵的4 test2的內容： 123 //二進製方式寫入的，無換行效果(記事本對"/r/n"之外的控製字符串無顯示效果)，參看下麵的4
4、用vc6.0以Binary方式(二進製方式)打開test1和test2，結果如下（用其他二進製讀寫軟件也可以）
test1的內容： 31 32 0D 0A 33 //十六進製，5個字節，比寫入緩衝區多了一個字節，在"/n"(0AH)前插了一個"/r"(0DH) test2的內容： 31 32 0A 33 //十六進製，4個字節，與寫入緩衝區的值一致
5、總結
從4可以看出，文本方式寫時，存在''/n''->''/r/n''的轉換，而二進製方式無轉換。又從2和4可以推出，文本方式讀時存在''/r/n''->至''/n''的轉換，而二進製方式無轉換。有興趣的讀者可以嚐試以二進製方式讀test1或以文本方式讀test2，看會出現什麼效果。
6．補充說明
上述說明僅適用於Windows，在Unix/Linux中文本方式的讀寫與二進製方式的讀寫無差別，不存在回車換行間的轉換。UNIX/Linux並沒有區分這兩種文件，他們對所有文件一視同仁，將所有文件都看成二進製文件。標準I/O庫中 主要使用 fread/fwrite來讀寫二進製文件，而對於文本文件可以使用 fread/fwrite/fgetc/fputc fprintf等等。
轉載地址：https://blog.csdn.net/do2jiang/article/details/5863135
最後更新：2017-04-03 05:39:29