本文主要参考自Official MIDI Specifications
Chunks
每个MIDI文件由一系列chunk组成，每个chunk的前四个字节为魔数（magic number），是由四个ASCII字符所组成的类型标识。目前标准格式中已定义的chunk类型只有header和track两种，其魔数分别为"MThd"和"MTrk"，对于类型未被定义的chunk则应该被忽略。
每个chunk在其四字符类型之后紧跟一个32位无符号整数，意味这一chunk后续将要读入的字节个数，每个chunk已经读入的这八个字节不包含在内。
通常来说，一个MIDI文件中首先要存在一个header chunk，然后一系列track chunk紧随其后，格式大致如下：
MThd
MTrk
MTrk
...
Header Chunks
在目前的标准中，header chunk长度固定为14，其由五个部分所组成：
=
其中type固定为"MThd"，format、ntrks、division均为16位，因此length固定为0x00000006。
format指定了整个文件的组织结构，在当前的标准下，仅支持0x0000、0x0001、0x0002这三种可能的值。
0 the file contains a single multi-channel track
1 the file contains one or more simultaneous tracks (or MIDI outputs) of a
sequence2 the file contains one or more sequentially independent single-track patterns
ntrks表示整个文件中track chunk的总个数，对于format为零的文件来说ntrks的值总是0x0001。
最后的division表示了delta-times的含义，有metrical time和time-code-based time这两种形式，这取决于其最高位是否为零。
假如division最高位为零，那么就属于metrical time形式，这个16位无符号整数的意义为每个四分音符的ticks个数。否则属于time-code-based time形式，其低8位表示每帧的ticks个数，高8位为一个8位负数补码，有-24、-25、-29、-30这四种可能的值，其意义与SMPTE有关，以下内容摘抄自维基百科：
Sub-second timecode time values are expressed in terms of frames. Common supported frame rates include:
24 frame/sec (film, ATSC, 2K, 4K, 6K)
25 frame/sec (PAL (Europe, Uruguay, Argentina, Australia), SECAM, DVB, ATSC)
29.97 (30 ÷ 1.001) frame/sec (NTSC American System (US, Canada, Mexico, Colombia, etc.), ATSC, PAL-M (Brazil))
30 frame/sec (ATSC)
在这里可以发现，凭借division是完全不足以描述每个时间间隔的实际长度的。在规范中对此有所说明，在默认情况下，乐曲的节奏为4/4拍，速度为每分钟120拍。这类元数据应该在MIDI文件中被指定，对于format为0x0000的文件应处于其track chunk的开始，对于format为0x0001的文件应包含在第一个track chunk之内，对于format为0x0002的文件应包含在每个track chunk之中。
值得一提的是，未来的标准有可能会定义更多种类的format和chunk，甚至有可能为header chunk添加更多的参数从而使其length不再为0x00000006，因此对于程序的实现者来说，遵守标准是十分必要的。
Track Chunks
无论format的取值是什么，Track Chunks的结构都是一致的：
在length后是一串连续的MTrk event，每个MTrk event由两部分组成：
=
这里的delta-time是一种variable-length quantity，其每个字节仅有7个有效位，最高位若非零则说明后面还有下一字节，最多可占据四个字节，因此其最大值为0x0fffffff。以下为参考示例：
| Number(hex) | Representation(hex) |
|---|---|
| 00000000 | 00 |
| 00000040 | 40 |
| 0000007F | 7F |
| 00000080 | 81 00 |
| 00002000 | C0 00 |
| 00003FFF | FF 7F |
| 00004000 | 81 80 00 |
| 00100000 | C0 80 00 |
| 001FFFFF | FF FF 7F |
| 00200000 | 81 80 80 00 |
| 08000000 | C0 80 80 00 |
| 0FFFFFFF | FF FF FF 7F |
delta-time后紧跟的event有三种不同的类型：
= | |
MIDI event的第一个字节通常表示running status，其最高位必须非零，对于sysex event和meta-event来说，这个字节分别为0xf0或0xff。
MIDI event
在每个track chunk中出现的第一个MIDI event必须指定running status，而对于后续的MIDI event，假如其紧跟在一个MIDI event后面，并且与前一个MIDI event有着同样的running status，那么这一个MIDI event的running status可以被省略。
每个MIDI event根据其running status高4位的不同而存在一个或两个单字节参数，这些参数的最高位均为零，running status的低4位表示channel的编号，每个MIDI event只会在对应的channel上造成影响。举几个例子，以16进制表示：高4位为C意为Program Change，其跟随一个单字节参数，表示修改乐器音色；高4位为9意为Note On，高4位为8意为Note Off，这两者都跟随两个单字节参数，分别表示音高与力度。
中央C在MIDI event中的值为0x3c，每升高半音则加一，每降低半音则减一，通过这种规律可以推断出标准音为0x45。
channel最多有16个，每个channel之间是独立的，也就是说不同的channel可以通过Program Change同时使用不同的音色，而又由于Note On和Note Off也是独立的，因此同一个channel中也可以同时播放不止一个音符。不过打击乐通常位于第10号channel。
音色对照表见文章末尾。
sysex event
这是一种结构稍显复杂的事件信息，它可以包含一连串的sysex event，其基本结构如下：
F0
这里length为bytes的长度，如果bytes不以0xf7结尾，那么其后就要跟随一个变长的delta-time，然后在跟随下一个sysex event，就像这样：
F7
除第一个sysex event之外，后续跟随的sysex event首字节应为0xf7，且最后一个sysex event的最后一字节应为0xf7。以下是一串合法的sysex event示例：
F0 03 43 12 00
81 48
F7 06 43 12 00 43 12 00
64
F7 04 43 12 00 F7
以上部分的0x8148和0x64分别表示200-tick delta-time和100-tick delta-time。
meta-event
这一部分的格式是比较固定的：
FF
所有meta-event以0xff起始，然后紧跟一个字节的type，再然后跟随一个变长的length，length的值即为bytes的长度。
在Standard MIDI Files 1.0中已经预定义了一部分meta-event，其中Copyright Notice应作为第一个track的第一个event，Sequence Number和Sequence/Track Name若存在则必须在任何delta-times非零的event前出现，End of Track必须作为每个track的最后一个event。
| FF |
meta-event |
|---|---|
| FF 00 02 ssss | Sequence Number |
| FF 01 len text | Text Event |
| FF 02 len text | Copyright Notice |
| FF 03 len text | Sequence/Track Name |
| FF 04 len text | Instrument Name |
| FF 05 len text | Lyric |
| FF 06 len text | Marker |
| FF 07 len text | Cue Point |
| FF 20 01 cc | MIDI Channel Prefix |
| FF 2F 00 | End of Track |
| FF 51 03 tttttt | Set Tempo |
| FF 54 05 hr mn se fr ff | SMPTE Offset |
| FF 58 04 nn dd cc bb | Time Signature |
| FF 59 02 sf mi | Key Signature |
| FF 7F len data | Sequencer-Specific Meta-Event |
Set Tempo参数的意义为每个四分音符的微秒数。
Time Signature参数的意义分别为节奏的分子、以二为底取得节奏分母的对数、节拍器每响一次的MIDI clocks个数、每个四分音符所包含的三十二分音符个数（最后这个我也不理解有什么意义），比如以下示例：
Therefore, the complete event for 6/8 time, where the metronome clicks every three eighth-notes, but there are 24 clocks per quarter-note, 72 to the bar, would be (in hex):
FF 58 04 06 03 24 08
That is, 6/8 time (8 is 2 to the 3rd power, so this is 06 03), 36 MIDI clocks per dotted-quarter (24 hex!), and eight notated 32nd-notes per MIDI quarter note.
Key Signature的第一个参数表示乐曲经过了移调所添加的升降号个数，第二个参数取0x00或0x01意为大调或小调。
附
以下音色对照表引用自General MIDI System Level 1
General MIDI Sound Set Groupings(all channels except 10)
| Prog # | Instrument Group | Prog # | Instrument Group |
|---|---|---|---|
| 1-8 | Piano | 65-72 | Reed |
| 9-16 | Chromatic Percussion | 73-80 | Pipe |
| 17-24 | Organ | 81-88 | Synth Lead |
| 25-32 | Guitar | 89-96 | Synth Pad |
| 33-40 | Bass | 97-104 | Synth Effects |
| 41-48 | Strings | 105-112 | Ethnic |
| 49-56 | Ensemble | 113-120 | Percussive |
| 57-64 | Brass | 121-128 | Sound Effects |
General MIDI Percussion Map(Channel 10)
| MIDI Key | Drum Sound | MIDI Key | Drum Sound | MIDI Key | Drum Sound |
|---|---|---|---|---|---|
| 35 | Acoustic Bass Drum | 51 | Ride Cymbal 1 | 67 | High Agogo |
| 36 | Bass Drum 1 | 52 | Chinese Cymbal | 68 | Low Agogo |
| 37 | Side Stick | 53 | Ride Bell | 69 | Cabasa |
| 38 | Acoustic Snare | 54 | Tambourine | 70 | Maracas |
| 39 | Hand Clap | 55 | Splash Cymbal | 71 | Short Whistle |
| 40 | Electric Snare | 56 | Cowbell | 72 | Long Whistle |
| 41 | Low Floor Tom | 57 | Crash Cymbal 2 | 73 | Short Guiro |
| 42 | Closed Hi Hat | 58 | Vibraslap | 74 | Long Guiro |
| 43 | High Floor Tom | 59 | Ride Cymbal 2 | 75 | Claves |
| 44 | Pedal Hi-Hat | 60 | Hi Bongo | 76 | Hi Wood Block |
| 45 | Low Tom | 61 | Low Bongo | 77 | Low Wood Block |
| 46 | Open Hi-Hat | 62 | Mute Hi Conga | 78 | Mute Cuica |
| 47 | Low-Mid Tom | 63 | Open Hi Conga | 79 | Open Cuica |
| 48 | Hi Mid Tom | 64 | Low Conga | 80 | Mute Triangle |
| 49 | Crash Cymbal 1 | 65 | High Timbale | 81 | Open Triangle |
| 50 | High Tom | 66 | Low Timbale |