文本文件與二進制文件區別

一、文本文件與二進制文件的定義

    大家都知道計算機的存儲在物理上是二進制的,所以文本文件與二進制文件的區別並不是物理上的,而是邏輯上的。這兩者只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。二進制文件是基於值編碼的文件,你可以根據具體應用,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。

    從上面可以看出文本文件基本上是定長編碼的(也有非定長的編碼如UTF-8)。而二進制文件可看成是變長編碼的,因爲是值編碼嘛,多少個比特代表一個值,完全由你決定。大家可能對BMP文件比較熟悉,就拿它舉例子吧,其頭部是較爲固定長度的文件頭信息,前2字節用來記錄文件爲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。

 二、文本文件與二進制文件的存取   

  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制比特流,然後按照你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''_'',爲了增強可讀性手動添加的),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比特可分別解碼爲''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。人與人之間通過文字聯絡,漢字“媽”代表生你的那個人,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下的那個人,所以當一箇中國人A與日本B之間用“媽”這個字進行交流,出現誤解就很正常的。用記事本打開二進制文件與上面的情況類似。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),所以當他打開二進制文件時,出現亂碼也是很必然的一件事情了,解碼和譯碼不對應嘛。例如文件流''00000000_00000000_00000000_00000001''可能在二進制文件中對應的是一個四字節的整數int 1,在記事本里解釋就變成了"NULL_NULL_NULL_SOH"這四個控制符。

    文本文件的存儲與其讀取基本上是個逆過程。而二進制文件的存取顯然與文本文件的存取差不多,只是編/解碼方式不同而已,也不再敘述。

 三、文本文件與二進制文件的優缺點

    因爲文本文件與二進制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。一般認爲,文本文件編碼基於字符定長,譯碼容易些;二進制文件編碼是變長的,所以它靈活,存儲利用率要高些,譯碼難一些(不同的二進制文件格式,有不同的譯碼方式)。關於空間利用率,想想看,二進制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.

    在windows下,文本文件不一定是一ASCII來存貯的,因爲ASCII碼只能表示128的標識,你打開一個txt文檔,然後另存爲,有個選項是編碼,可以選擇存貯格式,一般來說UTF-8編碼格式兼容性要好一些.而二進制用的計算機原始語言,不存貯兼容性.    很多書上還認爲,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),而二進制文件可讀性差,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,因爲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制文件需要一個具體的文件解碼器,所以說二進制文件可讀性差,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,因爲有些操作系統如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,操作系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操作系統中並不需要,當然,當在兩個不同的操作系統上共享文件時,這種存儲轉換又可能出來(如Linux系統和Windows系統共享文本文件)。關於這個轉換的方法,請參考文章《Linux文本文件與Windows文本文件間的轉換》http://blog.csdn.net/zhangyang0402/article/details/5153649

 四、C的文本讀寫和二進制讀寫

    應該說C的文本讀寫與二進制的讀寫是一個編程層次上的問題,與具體的操作系統有關,所以"用文本方式讀寫的文件一定是文本文件,用二進制讀寫的文件一定是二進制文件"這類觀點是錯誤的.下面的講述非明確指出操作系統類型,都暗指windows.

    C的文本方讀寫與二進制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''將其反變化爲''\n'',然後送到讀緩衝區.二進制讀寫時,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中文本或二進制讀寫都是緩衝區與文件中二進制流的交互,只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),文本寫與二進制寫的結果是一樣的,同理,當文件中不存在''\r\n''(0DH0AH)時,文本讀與二進制讀的結果一樣. 

 五、實例

    對於內容爲 “Ab123\r\n" (41 62 31 32 33 0D 0A)的文件,

複製代碼
pf1 = fopen("f:\\1.txt","r");// 或者pf1 = fopen("f:\\1.txt","rb");
for(int i=0;i <6;i++)
{
   fread(&a[i],1,1,pf1);
   printf("%0X ",a[i]);
}
fclose(pf1);//關閉文件
複製代碼



發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章