带你分析wav音频文件结构（实例+代码）

• 转载请注明出处，谢谢您！https://blog.csdn.net/ljrsunshine/article/details/89320026
• 对wav文件的一些探索，与大家一起学习

RIFF的组织结构

引用自参考资料【1】RIFF文件浅析

　　RIFF是Microsoft提出的一种多媒体文件的存储方式，不同编码的音频、视频文件，可以按照它定义的存储规则来保存、记录各自不同的数据，如：数据内容、采样信息、视窗大小、编码方式等。在播放器或者其他提取工具读取文件的时候，就可以根据RIFF的规则来分析文件，合理的解析出音频、视频信息，正确的播放它们。在现实中，常见的这类文件有WAV文件、AVI文件。它们都是遵循RIFF的方式保存自己的播放信息和播放数据的。

　　在RIFF的文件存储规则中，主要有几个重要的概念需要理解。它们是FOURCC、RIFF文件头、CHUNK、LIST。RIFF的组成元素就是它们，分析一个按RIFF规则组织的文件，都可以把它划分成CHUNK、LIST、RIFF这几个部分。

　　RIFF的数据存储形式是一种仿Microsoft文件系统的组织形式。在一个Microsoft的文件系统中，有盘符、目录、文件的概念。系统可以有几个盘符，每个盘符又可以有多个目录，在目录的下面则可以有子目录或是许多的文件。文件是保存数据的基本单元，而盘符目录是用来组织文件的。在RIFF的组织中，也借用了这些思想。在RIFF文件中，数据保存的基本单元是CHUNK，相当于Microsoft中的文件用他来保存一个一个代表实际意义的数据块。多个CHUNK可以用一个LIST组织起来。LIST相当于Microsoft中的目录。一个目录下面可以存放多个文件、子目录。同样，在一个LIST下面可以有几个CHUNK文件或子LIST。而多个CHUNK、LIST又由一个“RIFF头”来统领。在“RIFF头”中记录一个RIFF文件的各种信息。相当于Microsoft中的盘符。

　　FOURCC

　　一个FOURCC（four-character code）是一个占32位四个字节的数据，一般表示为4个ASCII字符。例如：一个FOURCC“abcd”在系统中就表示为 “x64636261”。FOURCC可以包括空格，所以“abc ”也是一个有效的FOURCC，在RIFF文件格式中，用FOURCC代码来标识数据流的格式、数据块的含义及其他信息。

　　1）一个CHUNK数据块的数据结构如下：

　　Chunkid　chunkSize　 ChunkData

　　Chunkid是一个FOURCC，表示这个CHUNK记录的是那些内容，相似与Microsoft中的文件名，ChunkSize占用4字节，表示这个CHUNK中数据内容的大小。ChunkData则是这个CHUNK中实质性的东西，保存CHUNK的具体数据内容。一个CHUNK保存的数据可以是关于声音文件的编码方式、音频采样等信息。也可以是声音文件的声音数据。具体表示的是哪类数据则通过CHUNKID来标识。

　　2）一个List数据块的数据结构如下：

　　“LIST“　listSize　listType　listData

　　在这里，“LIST”也是一个FOURCC，而且是固定的，每个LIST都是以“list”为开头，标识它是一个LIST，就像在Microsoft文件系统中有一个标志来标识 目录一样。ListType则是这个“目录”的名字，要求是一个FOURCC。listSize占有4字节，表示这个“目录”下保存的数据有多大。而listData则是这个目录下保存的数据，由chunk和list来组成，它们的个数和组成次序是可以不确定的。注意，listSize的值是listType的大小(即4个字节)加上listData的长度。不包括“LIST”和listSize的长度。

　　3）RIFF文件头是数据结构如下：

　　“RIFF”　fileSize　fileType　fileData

　　这里，“RIFF”是一个字符串，也是一个FOURCC，表示是一个RIFF格式文件。fileSize是一个4个字节的数据，给出文件的大小。fileType是一个FOURCC的数据，用来说明的文件类型，如：“WAV”、“AVI”等（WAV、AVI文件都是基于RIFF的文件格式的）。请注意，fileSize表示的文件大小，是不包括“RIFF”和它自己所占的8个字节的，是RIFF文件头后面跟的数据大小再加上fileType的4个字节。FileData部分是用来保存他统领的内容的，可以是LIST也可以是CHUNK。

（以上内容引用自 参考资料【1】RIFF文件浅析）

---

wav文件格式

　　wav文件是非常简单的一种RIFF文件，它的格式类型为"WAVE"。RIFF块包含两个子块，这两个子块的ID分别是"fmt"和"data"

偏移地址	大小字节	数据块类型	内容
00H~03H	4	4字符	资源交换文件标志（RIFF）
04H~07H	4	长整数	从下个地址开始到文件尾的总字节数
08H~0BH	4	4字符	WAV文件标志（WAVE）
0CH~0FH	4	4字符	波形格式标志（fmt ），最后一位空格。
10H~13H	4	整数	值表示的是后面有一段数据的总长度字节（见下面的实例解析的加粗部分）
14H~15H	2	整数	编码格式，值为1时，表示数据为线性PCM编码
16H~17H	2	整数	声道数，单声道为1，双声道为2
18H~1BH	4	长整数	采样频率，00003E80 H =16000，0000AC44 H = 44100
1CH~1FH	4	长整数	波形数据传输速率（每秒平均字节数），即(比特率) / 8 = (声道数×采样频率×每样本的数据位数) / 8
20H~21H	2	整数	块对齐=声道数×每次采样得到的样本位数 / 8
22H~23H	2	整数	样本数据的位数 或 位深度，16或8
24H~27H	4	4字符	“data”或“LIST”，当其他格式的音频经过格式转换成WAV文件时，这部分会是“LIST”
28H~2BH	4	长整型	如果前面4个字节是data，则这里表示DATA总数据长度字节，2CH开始是音频数据（见实例1）；如果前面4个字节不是data，则后面记录一些格式转换的信息（见实例2）
2CH…	…		DATA数据块

实例

　　笔者使用UltraEdit编辑器打开wav文件

1. 标准的wav文件，如图1（小端模式）：

图1 　标准的wav文件 图2 　wav文件“属性-->大小”截图

偏移地址	字节	说明
00H ~ 03H	52 49 46 46	资源交换文件标志符RIFF
04H ~ 07H	24 FA 00 00	表示后面文件的大小，小端模式是0000FA24=64036，这个数字加上00H~07H的8个字节，等于64044字节，是wav文件的总大小，在右键“属性–>大小”里显示，如图2
08H ~ 0BH	57 41 56 45	标示符WAVE
0CH ~ 0FH	66 6D 74 20	波形格式标示符fmt
10H ~ 13H	10 00 00 00	小端模式是00000010 = 16，表示后面有一段数据的长度是16个字节，即，从14H到23H
14H ~ 15H	01 00	小端模式是0001 = 1 ，表示线性的PCM编码
16H ~ 17H	01 00	小端模式是0001 = 1 ，表示单声道，MONO
18H ~ 1BH	80 3E 00 00	小端模式是00003E80 = 16000，表示采样率是16000Hz
1CH ~ 1FH	00 7D 00 00	小端模式是00007D00 = 32000 Bps，波形数据传输率，字节每秒
20H ~ 21H	02 00	小端模式是0002 = 2，块对齐
22H ~ 23H	10 00	小端模式是0010 = 16，样本数据的位数，表示用16位表示一个样本
24H ~ 27H	64 61 74 61	标志符data
28H ~ 2BH	00 FA 00 00	小端模式是0000FA00 = 64000，表示data的数据大小是64000 B
2CH ~ …		音频数据

计算细节

• 波形数据传输率：采样率(16000) × 位深度(16) × 声道数(1) / 8 = 256(kbps) / 8 = 256000(bps) / 8 = 32000 Bps（字节每秒）
• 块对齐：声道数(1) × 每次采样得到的样本位数(16) / 8 = 2
• 播放时间 = dataSize字节 / (比特率/ 8) = 64000B / (32000 Bps) = 2秒（图3）

图3　播放时间、文件总大小（64044字节=62.5KB）、比特率

2. 经过格式转换的wav文件，如图4（小端模式）：

图4　经过格式转换的wav文件 图5　wav文件“属性-->大小”截图

偏移地址	字节	说明
00H ~ 03H	52 49 46 46	资源交换文件标志符RIFF
04H ~ 07H	46 48 09 00	表示后面文件的大小，小端模式是00094846 = 608326B，这个数字加上00H~07H的8个字节，等于608334字节，是wav文件的总大小，在右键“属性–>大小”里显示，如图5
08H ~ 0BH	57 41 56 45	标示符WAVE
0CH ~ 0FH	66 6D 74 20	波形格式标示符fmt
10H ~ 13H	10 00 00 00	小端模式是00000010 = 16，表示后面有一段数据的长度是16个字节，即，从14H到23H
14H ~ 15H	01 00	小端模式是0001 = 1 ，表示线性的PCM编码
16H ~ 17H	02 00	小端模式是0002 = 2 ，表示双声道
18H ~ 1BH	44 AC 00 00	小端模式是0000AC44 = 44100，表示采样率是44100Hz
1CH ~ 1FH	10 B1 02 00	小端模式是0002B110 = 176400 Bps，波形数据传输率，字节每秒
20H ~ 21H	04 00	小端模式是0004 = 4，块对齐
22H ~ 23H	10 00	小端模式是0010 = 16，样本数据的位数，表示用16位表示一个样本
24H ~ 27H	4C 49 53 54	“LIST”
28H ~ 2BH	1A 00 00 00	小端模式是0000001A=26，表示后面有一段数据的长度是26字节，即2CH ~ 45H。
2CH ~ 45H	49 4E 46 4F ~ 30 00	这段数据记录的是格式转换的一些信息，具体没有研究过
46H ~ 49H	64 61 74 61	标志符data
4AH ~ 4DH	00 48 09 00	小端模式是00094800 = 608256，表示data的数据大小是608256 B
4EH ~ …		音频数据

计算细节

• 波形数据传输率：采样率(44.1k) × 位深度(16) × 声道数(2) / 8 = 1411(kbps) / 8 = 1411200 / 8 = 176400 Bps(字节每秒)
• 块对齐：声道数(2) × 每次采样得到的样本位数(16) / 8 = 4
• 播放时间 = dataSize字节 / (比特率/ 8) = 608256 B / (176400 Bps) = 3.4秒（图6）

图6　播放时间、文件总大小（608334字节=594KB）、比特率

代码

　　在实例分析里我们讲到，如果wav文件是由其他格式的音频文件经过格式转换而来，那么转换后得到的wav文件头会记录一些转换的信息。如果你理解了引用资料和实例2，就会发现wav文件中信息排列是有规律可循的。笔者参考HTK源码，整理了读取wav文件信息的c代码：

（测试的wav文件是PCM编码，单声道，16位深）

void Load(char path[])
{
	FILE *file = fopen(path, "rb");

	if (!file)
	{
		fprintf(stderr, "[Load] [%s not found]\n", path);
		return;
	}

	char magic[4];
	int lng;
	char c;

	// RIFF
	fread(magic, 4, 1, file);
	if (strncmp("RIFF", magic, 4))
	{
		fprintf(stderr, "[Load] [not RIFF]\n");
	}
	//printf("sizeof(int):%d\n", sizeof(int)); // 4
	fread(&lng, 4, 1, file);
	fread(magic, 4, 1, file);
	if (strncmp("WAVE", magic, 4))
	{
		fprintf(stderr, "[Load] [not WAVE]\n");
	}
	/* Look for "fmt " before end of file */
	while (1)
	{
		if (feof(file))
		{
			fprintf(stderr, "[Load] No data portion in WAVE file");
		}
		fread(magic, 4, 1, file);// fmt 或 data
		fread(&length_wav, 4, 1, file);// chunk size
		if (strncmp("data", magic, 4) == 0) break;
		if (strncmp("fmt ", magic, 4) == 0)
		{
			fread(&wave->FormatType, 2, 1, file); // 十进制是1 线性的PCM编码
			fread(&wave->Channels, 2, 1, file); /* Number of Channels */
			fread(&wave->SamplesPerSec, 4, 1, file); /* Sample Rate */
			fread(&wave->AvgBytesPerSec, 4, 1, file); /* Average bytes/second */
			fread(&wave->BlockAlign, 2, 1, file); /* Block align */
			fread(&wave->BitsPerSample, 2, 1, file); // 样本数据的位数 = 16
			if (wave->BitsPerSample != 16 && wave->BitsPerSample != 8)
			{
				fprintf(stderr, "[Load] Only 8/16 bit audio supported");
			}
			length_wav -= 16;
		}
		/* Skip chunk */
		for (; length_wav > 0; length_wav--) fread(&c, 1, 1, file);
	}
	// 循环结束后，length_wav的值就是声音数据的长度
	data = (unsigned char*)realloc(data, length_wav);
	fread(data, length_wav, 1, file);
	
	fclose(file);
}

参考资料

【1】RIFF文件浅析（百度文库，豆丁网均有这篇文章）

【2】WAVE PCM声音文件格式

【3】WAV文件格式分析（这篇是转载，在2009年，最早的原创文章找不到了）

【4】wav文件详解

【5】音频码率及大小计算

【6】HTK源码　HWave.c文件　GetWAVHeaderInfo函数

感谢这些优秀的前辈！

2019.03.22

• 点赞是一种鼓励！