wav文件格式分析详解和解析代码

一、综述
   WAVE文件作为多媒体中使用的声波文件格式之一，它是以RIFF格式为标准的。
RIFF是英文Resource Interchange File Format的缩写，每个WAVE文件的头四个
字节便是“RIFF”。
   WAVE文件是由若干个Chunk组成的。按照在文件中的出现位置包括：RIFF WAVE
Chunk, Format Chunk, Fact Chunk(可选), Data Chunk。具体见下图：

------------------------------------------------
|            RIFF WAVEChunk           |
|            ID  ='RIFF'                          |
|            RiffType ='WAVE'             |
------------------------------------------------
|            FormatChunk                    |
|            ID = 'fmt'                            |
------------------------------------------------
|            FactChunk(optional)            |
|            ID ='fact'                     |
------------------------------------------------
|            DataChunk                      |
|            ID ='data'                     |
------------------------------------------------
           图1   Wav格式包含Chunk示例

    其中除了FactChunk外，其他三个Chunk是必须的。每个Chunk有各自的ID，位
于Chunk最开始位置，作为标示，而且均为4个字节。并且紧跟在ID后面的是Chunk大
小（去除ID和Size所占的字节数后剩下的其他字节数目），4个字节表示，低字节
表示数值低位，高字节表示数值高位。下面具体介绍各个Chunk内容。
PS：
   所有数值表示均为低字节表示低位，高字节表示高位。

二、具体介绍
RIFF WAVE Chunk
   ==================================
   |      |所占字节数|  具体内容  |
   ==================================
    |ID   |  4 Bytes |  'RIFF'   |
   ----------------------------------
    |Size  |  4 Bytes|            |
   ----------------------------------
    |Type  |  4 Bytes|  'WAVE'   |
   ----------------------------------
           图2  RIFF WAVE Chunk

   以'FIFF'作为标示，然后紧跟着为size字段，该size是整个wav文件大小减去ID
和Size所占用的字节数，即FileLen - 8 = Size。然后是Type字段，为'WAVE'，表
示是wav文件。
   结构定义如下：
 struct RIFF_HEADER
 {
  char szRiffID[4];  //'R','I','F','F'
  DWORD dwRiffSize;
  char szRiffFormat[4]; //'W','A','V','E'
 };

 

Format Chunk
   ====================================================================
   |              |   字节数 |             具体内容               |
   ====================================================================
    |ID           |  4 Bytes |   'fmt'                            |
   --------------------------------------------------------------------
    |Size         |  4 Bytes  |数值为16或18，18则最后又附加信息    |
   -------------------------------------------------------------------- ----
    |FormatTag    |  2 Bytes  |编码方式，一般为0x0001              |    |
   --------------------------------------------------------------------    |
    |Channels     |  2 Bytes  |声道数目，1--单声道；2--双声道      |    |
   --------------------------------------------------------------------    |
    |SamplesPerSec |  4 Bytes  |采样频率                            |    |
   --------------------------------------------------------------------    |
    |AvgBytesPerSec|  4 Bytes  |每秒所需字节数                      |    |===> WAVE_FORMAT
   --------------------------------------------------------------------    |
    |BlockAlign   |  2 Bytes  | 数据块对齐单位(每个采样需要的字节数)|    |
   --------------------------------------------------------------------    |
    |BitsPerSample |  2 Bytes  |每个采样需要的bit数                 |    |
   --------------------------------------------------------------------    |
   |              |  2 Bytes  |附加信息（可选，通过Size来判断有无）|    |
   -------------------------------------------------------------------- ----
                           图3  Format Chunk

    以'fmt'作为标示。一般情况下Size为16，此时最后附加信息没有；如果为18
则最后多了2个字节的附加信息。主要由一些软件制成的wav格式中含有该2个字节的
附加信息。
   结构定义如下：
 struct WAVE_FORMAT
 {
  WORD wFormatTag;
  WORD wChannels;
  DWORD dwSamplesPerSec;
  DWORD dwAvgBytesPerSec;
  WORD wBlockAlign;
  WORD wBitsPerSample;
 };
 struct FMT_BLOCK
 {
  char  szFmtID[4]; //'f','m','t',' '
  DWORD  dwFmtSize;
  WAVE_FORMAT wavFormat;
 };

补充头文件样例说明：

首先是一串“52 49 46 46”这个是Ascii字符“RIFF”，这部分是固定格式，表明这是一个WAVE文件头。
然后是“E4 3C 0000”，这个是我这个WAV文件的数据大小，记住这个大小是包括头文件的一部分的，包括除了前面8个字节的所有字节，也就等于文件总字节数减去8。这是一个DWORD，我这个文件对应是15588。
然后是“57 41 56 45 66 6D 74 20”，也是Ascii字符“WAVEfmt”，这部分是固定格式。
然后是PCMWAVEFORMAT部分，可以对照一下上面的struct定义，首先就是一个WAVEFORMAT的struct。
随后是“10 00 0000”，这是一个DWORD，对应数字16，这个对应定义中的Sizeof(PCMWAVEFORMAT)，后面我们可以看到这个段内容正好是16个字节。
随后的字节是“01 00”，这是一个WORD，对应定义为编码格式“WAVE_FORMAT_PCM”，我们一般用的是这个。
随后的是“01 00”，这是一个WORD，对应数字1，表示声道数为1，这是个单声道Wav。
随后的是“22 56 00 00”，这是一个DWORD，对应数字22050，代表的是采样频率22050。
随后的是“44 AC 00 00”，这是一个DWORD，对应数字44100，代表的是每秒的数据量。
然后是“02 00”，这是一个WORD，对应数字是2，表示块对齐的内容，含义不太清楚。
然后是“10 00”，这是一个WORD，对应WAVE文件的采样大小，数值为16，采样大小为16Bits。
然后是一串“64 61 74 61”，这个是Ascii字符“data”，标示头结束，开始数据区域。
而后是数据区的开头，有一个DWORD，我这里的字符是“C0 3C 0000”，对应的十进制数为15552，看一下前面正好可以看到，文件大小是15596，其中到“data”标志出现为止的头是40个字节，再减去这个标志的4个字节正好是15552，再往后面就是真正的Wave文件的数据体了，头文件的解析就到这里。

Fact Chunk
   ==================================
   |      |所占字节数|  具体内容  |
   ==================================
    |ID   |  4 Bytes |  'fact'   |
   ----------------------------------
    |Size  |  4 Bytes|  数值为4   |
   ----------------------------------
    |data  |  4 Bytes|            |
   ----------------------------------
           图4  Fact Chunk

    FactChunk是可选字段，一般当wav文件由某些软件转化而成，则包含该Chunk。
   结构定义如下：
 struct FACT_BLOCK
 {
  char  szFactID[4]; //'f','a','c','t'
  DWORD  dwFactSize;
 };

 

Data Chunk
   ==================================
   |      |所占字节数|  具体内容  |
   ==================================
    |ID   |  4 Bytes |  'data'   |
   ----------------------------------
    |Size  |  4 Bytes|            |
   ----------------------------------
    |data |         |            |
   ----------------------------------
            图5 Data Chunk

    DataChunk是真正保存wav数据的地方，以'data'作为该Chunk的标示。然后是
数据的大小。紧接着就是wav数据。根据Format Chunk中的声道数以及采样bit数，
wav数据的bit位置可以分成以下几种形式：
   ---------------------------------------------------------------------
   |  单声道   |   取样1   |   取样2   |   取样3   |   取样4    |
   |--------------------------------------------------------------------
   |  8bit量化  |   声道0   |   声道0   |   声道0   |   声道0    |
   ---------------------------------------------------------------------
   |  双声道   |         取样1            |          取样2          |
   |--------------------------------------------------------------------
   |  8bit量化  |  声道0(左) |  声道1(右)  | 声道0(左)  | 声道1(右)  |

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

    |  单声道   |    取样1                  |           取样2          |
   |---------------------------------------------------------------------
    |16bit量化  |   声道0       | 声道0   |   声道0      | 声道0    |
   |             |(低位字节)  | (高位字节)  |(低位字节)    | (高位字节)|
   -----------------------------------------------------------------------

   |  双声道   |    取样1                        |           取样2             |
   |-------------------------------------------------------------------------------
    |16bit量化  |   声道0（左）  | 声道1（右）   |   声道0（左） |  声道1（右）|
   |             |(低位字节)     | (高位字节)    |(低位字节)    | (高位字节)  |
   ---------------------------------------------------------------------------------

                           图6 wav数据bit位置安排方式

    DataChunk头结构定义如下：
    structDATA_BLOCK
 {
  char szDataID[4]; //'d','a','t','a'
  DWORD dwDataSize;
 };

三、小结
   因此，根据上述结构定义以及格式介绍，很容易编写相应的wav格式解析代码。
这里具体的代码就不给出了。

 wav.h

#ifndef _WAV_H_
#define _WAV_H_
#include <stdio.h>
#include <strings.h>
#include <string.h>
#include <stdlib.h>


typedef struct _wav_riff_t{
    char id[5];               //ID:"RIFF"
    int  size;                //file_len - 8
    char type[5];             //type:"WAVE"
}wav_riff_t;


typedef struct _wav_format_t{
    char  id[5];              //ID:"fmt"
    int   size;
    short compression_code;
    short channels;
    int   samples_per_sec;
    int   avg_bytes_per_sec;
    short block_align;
    short bits_per_sample;
}wav_format_t;


typedef struct _wav_fact_t{
    char id[5];
    int  size;
}wav_fact_t;

typedef struct _wav_data_t{
    char id[5];
    int  size;
}wav_data_t;


typedef struct _wav_t{
    FILE         *fp;
    wav_riff_t   riff;
    wav_format_t format;
    wav_fact_t   fact;
    wav_data_t   data;
    int          file_size;
    int          data_offset;
    int          data_size;
}wav_t;



wav_t *wav_open(char *file_name);

void wav_close(wav_t **wav);

void wav_rewind(wav_t *wav);

int wav_over(wav_t *wav);

int wav_read_data(wav_t *wav, char *buffer, int buffer_size);

void wav_dump(wav_t *wav);

#endif

wav.c

#include "wav.h"


wav_t *wav_open(char *file_name)
{
    wav_t *wav = NULL; 
    char buffer[256];
    int  read_len = 0;
    int  offset = 0;


    if(NULL == file_name)
    {
        printf("file_name is NULL\n");
        return NULL;
    }


    wav = (wav_t *)malloc(sizeof(wav_t));
    if(NULL == wav)
    {
        printf("malloc wav failedly\n");
        return NULL;
    }
    bzero(wav, sizeof(wav_t));


    wav->fp = fopen(file_name, "r");
    if(NULL == wav->fp)
    {
        printf("fopen %s failedly\n", file_name);
        free(wav);
        return NULL;
    }


    //handle RIFF WAVE chunk 
    read_len = fread(buffer, 1, 12, wav->fp);
    if(read_len < 12)
    {
        printf("error wav file\n");
        wav_close(&wav);
        return NULL;
    }

    if(strncasecmp("RIFF", buffer, 4))
    {
        printf("error wav file\n");
        wav_close(&wav);
        return NULL;
    }

    memcpy(wav->riff.id, buffer, 4); 
    wav->riff.size = *(int *)(buffer + 4);
    if(strncasecmp("WAVE", buffer + 8, 4)){
        printf("error wav file\n");
        wav_close(&wav);
        return NULL;
    }
    memcpy(wav->riff.type, buffer + 8, 4);
    wav->file_size = wav->riff.size + 8;


    offset += 12;


    while(1){
        char id_buffer[5] = {0};
        int  tmp_size = 0;


        read_len = fread(buffer, 1, 8, wav->fp);  
        if(read_len < 8){
            printf("error wav file\n");
            wav_close(&wav);
            return NULL;
        }
        memcpy(id_buffer, buffer, 4);
        tmp_size = *(int *)(buffer + 4);
if(0 == strncasecmp("FMT", id_buffer, 3)){
            memcpy(wav->format.id, id_buffer, 3);
            wav->format.size = tmp_size;
            read_len = fread(buffer, 1, tmp_size, wav->fp);
            if(read_len < tmp_size){
                printf("error wav file\n");
                wav_close(&wav);
                return NULL;
            }
            wav->format.compression_code  = *(short *)buffer;
            wav->format.channels          = *(short *)(buffer + 2);
            wav->format.samples_per_sec   = *(int *)(buffer + 4);
            wav->format.avg_bytes_per_sec = *(int *)(buffer + 8);
            wav->format.block_align       = *(short *)(buffer + 12);
            wav->format.bits_per_sample   = *(short *)(buffer + 14);
        }
        else if(0 == strncasecmp("DATA", id_buffer, 4)){
            memcpy(wav->data.id, id_buffer, 4); 
            wav->data.size = tmp_size;
            offset += 8;
            wav->data_offset = offset;
            wav->data_size = wav->data.size; 
            break;
        }
        else{
            printf("unhandled chunk: %s, size: %d\n", id_buffer, tmp_size);
            fseek(wav->fp, tmp_size, SEEK_CUR);
        }
        offset += 8 + tmp_size;
    }


    return wav;
}


void wav_close(wav_t **wav)
{
    wav_t *tmp_wav;
    if(NULL == wav)
    {
        return ;
    }


    tmp_wav = *wav;
    if(NULL == tmp_wav)
    {
        return ;
    }


    if(NULL != tmp_wav->fp)
    {
        fclose(tmp_wav->fp);
    }
    free(tmp_wav);


    *wav = NULL;
}


void wav_rewind(wav_t *wav)
{
    if(fseek(wav->fp, wav->data_offset, SEEK_SET) < 0)
    {
        printf("wav rewind failedly\n");
    }
}


int wav_over(wav_t *wav){
    return feof(wav->fp);
}

int wav_read_data(wav_t *wav, char *buffer, int buffer_size){
    return fread(buffer, 1, buffer_size, wav->fp);
}


void wav_dump(wav_t *wav){
    printf("file length: %d\n", wav->file_size);


    printf("\nRIFF WAVE Chunk\n"); 
    printf("id: %s\n", wav->riff.id);
    printf("size: %d\n", wav->riff.size);
    printf("type: %s\n", wav->riff.type);


    printf("\nFORMAT Chunk\n");
    printf("id: %s\n", wav->format.id);
    printf("size: %d\n", wav->format.size);
    if(wav->format.compression_code == 0){
        printf("compression: Unknown\n");
    }
    else if(wav->format.compression_code == 1){
        printf("compression: PCM/uncompressed\n");
    }
    else if(wav->format.compression_code == 2){
        printf("compression: Microsoft ADPCM\n");
    }
    else if(wav->format.compression_code == 6){
        printf("compression: ITU G.711 a-law\n");
    }
    else if(wav->format.compression_code == 7){
        printf("compression: ITU G.711 µ-law\n");
    }
    else if(wav->format.compression_code == 17){
        printf("compression: IMA ADPCM\n"); 
    }
    else if(wav->format.compression_code == 20){
        printf("compression: ITU G.723 ADPCM (Yamaha)\n");
    }
    else if(wav->format.compression_code == 49){
        printf("compression: GSM 6.10\n");
    }
    else if(wav->format.compression_code == 64){
        printf("compression: ITU G.721 ADPCM\n");
    }
    else if(wav->format.compression_code == 80){
        printf("compression: MPEG\n");
    }
    else{
        printf("compression: Unknown\n");
    }
    printf("channels: %d\n", wav->format.channels);
    printf("samples: %d\n", wav->format.samples_per_sec);
    printf("avg_bytes_per_sec: %d\n", wav->format.avg_bytes_per_sec);
    printf("block_align: %d\n", wav->format.block_align);
    printf("bits_per_sample: %d\n", wav->format.bits_per_sample);


    printf("\nDATA Chunk\n");
    printf("id: %s\n", wav->data.id);
     printf("size: %d\n", wav->data.size);
    printf("data offset: %d\n", wav->data_offset);
}

main.c

#include "wav.h"

int main(int argc, char **argv)
{
    wav_t *wav = NULL;


    if(argc != 2)
    {
        printf("Usage:\n");
        printf("\twav_parse wav_file\n");
        return 0;
    }


    wav = wav_open(argv[1]);
    if(NULL != wav)
    {
        wav_dump(wav);
        wav_close(&wav);
    }
    return 1;
}

Makefile

CC=gcc
CFLAGS=-Wall -g 
EXECUTABLE=wav_parse


OBJS=wav.o main.o


default:$(EXECUTABLE)


$(EXECUTABLE):$(OBJS)
	$(CC) -o $(EXECUTABLE) $(CFLAGS) $(OBJS) 


%.o:%.c
	$(CC) -c -o $@ $< $(CFLAGS) 


clean:
	rm -f $(EXECUTABLE)
	rm -f $(OBJS)