WAVE 文件格式的一些小小心得

之前要用 DirectSound 8 编写一个音频播放功能，然后 DirectSound 自身并不支持音频文件的解码操作，只支持最原始的音频采样数据操作，WAVE 文件在没有压缩之前就是这种原始的音频采样数据，而且博主很懒不喜欢学各种各样的音频库，只好自己动手写一个简易的 WAVE 文件读取功能，一开始是照抄书上代码的，而且也能够运行，直到我播放一个用转码工具转码后的非标准 WAVE 文件时，我发现出现问题了，手动调试跟进去一看，读取的音频数据大小与真实音频数据大小相差甚远，随后网上各种翻看 WAVE 文件格式，最后终于搞定；

WAVE 文件以 Chunk 作为单位来组织文件内容，每一个 Chunk 都包含两个必须的数据成员，分别是 Chunk Sig 和 Chunk Size，这两个数据成员组成一个 Chunk 的头部，随后就是 Chunk 自身的数据内容，我们看一看 Chunk 头的定义方式：

// chunk header
struct D3D9WAVECHUNKHEADER {
	char sig[ 4 ];
	int chunk_size;
};

不同的 Chunk，其自身的数据内容以及数据大小都是不相同的，当然也有可能有两个 Chunk 大小相同，但是内容必定不同，因为 WAVE 文件就是根据 Chunk 的 sig 来识别不同的 Chunk；

而一个标准的 WAVE 文件，都必须以一个 RIFF Chunk、FMT Chunk 开头，并且以 DATA Chunk 结尾，标准的 WAVE 文件格式如下：

-------------------------------

<RIFF Chunk Header>

RIFF Chunk Data ...

<FMT Chunk Header>

FMT Chunk Data ...

<DATA Chunk Header>

DATA Chunk Data ...

-------------------------------

很多教你读取 WAVE 格式的文章都会给你下面这个数据结构，让你直接一次性读取 RIFF Chunk、FMT Chunk 以及 Data Chunk 的头部以及 Chunk 数据，比方说《DirectX 角色扮演游戏编程》这本教材（注意，对于读取 WAVE 数据，下面这个数据结构是不标准的）：

对于标准的 WAVE 文件，的却遵循这个数据结构，但是一旦你用了一些第三方转码工具把某个音频文件转换成 WAVE 格式时，大部分转码工具转出来的 WAVE 文件，都不遵循这个标准，因为它们需要在自己创建的 WAVE 文件里面写入一些自定义数据，不同的转码工具写入的自定义数据都不尽相同，比方说博主用 FormatFactory 把一个 mp3 转成 wav 时，就会在 FMT Chunk 和 DATA Chunk 之间插入一个 LIST Chunk，而且也有人会告诉你一些转码工具会帮你生成一个 FACT Chunk，用来描述压缩后的音频数据信息等等；

那么怎么从众多 Chunk 之中，快速找到我们需要的 DATA Chunk 呢，读者用了一个很简单的方法，如下所示：

// chunk header
struct D3D9WAVECHUNKHEADER {
	char sig[ 4 ];
	int chunk_size;
};

// 'RIFF' chunk
struct D3D9WAVERIFFCHUNK {
	char wave_sig[ 4 ];	// 'WAVE'
};

// 'fmt ' chunk
struct D3D9WAVEFMTCHUNK {
	short format_tag; // WAVE_FORMAT_PCM
	short channel; // 1、2
	int sample_rate; // 11025hz、22050hz、44100hz
	int bytes_per_sec; // sample_rate * block_align
	short block_align; // channel * ( bits_per_sample / 8 )
	short bits_per_sample; // 8、16
};

D3D9WAVECHUNKHEADER chunk_hdr = { 0 };
D3D9WAVERIFFCHUNK riff_chunk = { 0 };
D3D9WAVEFMTCHUNK fmt_chunk = { 0 };
WORD cbSize = 0;
DWORD wave_data_size = 0;

// riff chunk
::fread( & chunk_hdr, 1, sizeof( chunk_hdr ), wave_file );
::fread( & riff_chunk, 1, sizeof( riff_chunk ), wave_file );

// fmt chunk
::fread( & chunk_hdr, 1, sizeof( chunk_hdr ), wave_file );
::fread( & fmt_chunk, 1, sizeof( fmt_chunk ), wave_file );

// for WAVEFORMATEX's cbSize member ( 2 bytes )
if( chunk_hdr.chunk_size > 16 ){
    ::fread( & cbSize, 2, 1, wave_file );
}

// find data chunk
while( true ){
	::fread( & chunk_hdr, 1, sizeof( chunk_hdr ), wave_file );
	if( 0 == ::memcmp( "data", chunk_hdr.sig, 4 ) ){
		wave_data_size = chunk_hdr.chunk_size;
		break;
	}
	::fseek( wave_file, chunk_hdr.chunk_size, SEEK_CUR );
}

// 接下来的都是音频数据，音频数据的大小为 wave_data_size 个字节（Byte）

chunk_hdr 代表一个 Chunk 的头部（Header），WAVE 文件开头两个 Chunk 必须是 RIFF Chunk 和 FMT Chunk，这点大家可以放心去读，如果读出来的数据较检失败，那么所读取的绝对不是 WAVE 文件，有一点需要注意的是，根据 MSDN 里面的说明，新式的 FMT Chunk 里面其实封装了 WAVEFORMATEX 结构体，而老式的 FMT Chunk 里面封装的则是 PCMWAVEFORMAT 结构体，两个结构体之间唯一的不同之处在于 EX 版的结构体多出一个 cbSize 数据成员，这个成员大小为 2 Byte，也就是一个 WORD 大小，所以我们要检查读取的 FMT Chunk 的 chunk_size 数值，作为扩展，大家可以参考一下出自 MSDN 的下面这张图片：

图中 WAVEFORMATEXTENSIBLE 主要用于高于 2 Channel 以及更高的 Sample Rate 的 WAVE 文件，一般我们不会接触到高于 2 声道以及高于 44100Hz 取样率的音频数据，特别是做游戏，这简直就是浪费硬件资源（笑）；

完了，我意思是，我的心得就是这些了，毕竟是个人心得，不是详尽的教材，所以关于更多的 WAVE 格式介绍，博主我还是直接推荐大家看官方文档，或者 MSDN，可以少走很多弯路（笑）；