AVI文件格式简介与WAV文件分析

AVI文件格式（回答问题）

所有AVI文件至少包含2个必须的LIST Chunk和一个索引Chunk

Chunk:

LIST Chunk：

小端：数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。

打开一个本地的avi文件如下：

元数据：

实际数据：

问题一

第一个hdrl list描述视频，故音频用01wb表示，视频用00dc或00db

01wb代表一个音频数据块wave：

一个视频数据块00dc（压缩后的）

又一个音频数据块：

由上可见avi文件中音频和视频数据是交织放置的。

问题二

一个视频数据块：

大小为00 01 D4 C0，即120000个字节

又一个视频数据块：

大小为0，即0字节

又一个视频数据块：

大小为00 03 AB 21，即240471个字节

由上可知，AVI文件的视频数据块大小各不相同

一个音频数据块：

大小为00 00 19 04

又一个音频数据块：

大小为00 00 19 04

查找后发现音频数据块均为此大小

参考本文使用avi文件解析器的结果：

发现avi文件的确视频帧大小不同，音频数据块大小相同

WAV文件分析

概述

WAV为微软公司（Microsoft)开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字，因此在声音文件质量和CD相差无几！ WAV打开工具是WINDOWS的媒体播放器。

不对原有文件压缩，在音质方面无失真情况，但是文件的体积较大。

文件结构

WAV文件是属于RIFF结构形式的文件，这种结构是一种树状结构，其最基本的组成单元是chunk（块），而每一个chunk则由辨识码，数据大小，以及数据本身组成（各4字节），其中辨识码就是RIFF四个字母的ASCII码，用十六进制表示就是52 49 46 46；辨识码之后的四个字节，表示除去文件辨识码和它自己之后剩余文件的大小，最后就是文件的数据本身了。

而WAV格式的文件除了前面的文件头之后，还包含两个子块，如下所示：

其中fmt子块主要用于描述该wav文件的信息，例如，采样率，数据量，编码格式，声道数等，其结构也如RIFF，最开始4个字节表示标识符“fmt”，接着四个字符表示该块大小，后面的18个字节则表示文件的信息，同样，也是fmt子块的“数据”；

这里的fact子块并不是必须的，在标准的WAV文件中没有该子块，只有一些软件转化而来的才会增加该子块，其主要存储关于该文件内容的重要信息；data块则主要就是WAV文件真正能播放的声音数据部分了。

RIFF Chunk标识块

52 49 46 46，即RIFF标识，其后4个字节为46 C0 06 00，说明WAV大小为442438字节（最小端存储）。

57 41 56 45，即WAVE对应的ASCII码

结构体表示为：

struct RIFF_HEADER{char szRiffID[4];  // 'R','I','F','F'DWORD dwRiffSize;char szRiffFormat[4]; // 'W','A','V','E'};

fmt文件信息块

名称	字节数	说明
格式块标识	4字节	小写字符串“fmt ”
格式块长度	4字节	格式块长度取决于编码形式（参见编码形式表）
编码格式代码	2字节	常见的 WAV 文件使用 PCM 脉冲编码调制格式,该数值通常为 1。（参见编码形式表）
声道个数	2字节	单声道为 1,立体声或双声道为 2
采样频率	4字节	每个声道单位时间采样次数。常用的采样频率有 11025, 22050 和 44100 Hz。
数据传输速率	4字节	声道数×采样频率×每样本的数据位数/8。播放软件利用此值可以估计缓冲区的大小。
数据块对其单位	2字节	采样帧大小。该数值为：声道数×位数/8。播放软件需要一次处理多个该值大小的字节数据，用该数值调整缓冲区。
采样位数	2字节	存储每个采样值所用的二进制数位数。常见的位数有 4、8、12、16、24、32

蓝：标识符”fmt“，66 6D 74 20是fmt对应的ASII码

粉：fmt数据块长度

黄：fmt数据块内容

00 01表示该数据以PCM方式编码
00 02表示该文件为双声道文件
00 00 BB 80表示采样频率为48000Hz
00 02 EE 00表示数据传输速率为192000bps
00 04表示采样帧大小为一次处理一帧4字节
00 10表示每个采样值所用二进制位数为16，高八位左声道，低八位右声道

49 4C表示附加信息

结构体为：

struct WAVE_FORMAT
{WORD wFormatTag;WORD wChannels;DWORD dwSamplesPerSec;DWORD dwAvgBytesPerSec;WORD wBlockAlign;WORD wBitsPerSample;
};
struct FMT_BLOCK
{TCHAR szFmtID[4];  //'f','m','t',' ' please note the// space character at the fourth location.DWORD dwFmtSize;WAVE_FORMAT wavFormat;
};

data数据块

名称	字节数	说明
格式块标识	4字节	标识data块
格式块长度	4字节	表明数据块的长度
数据	N字节	表示音频数据

多声道文件样本在数据中交替出现，本例中，每个采样值所用二进制位数为16，高八位左声道，低八位右声道

粉：64 64 74 61为data标识符，标识data的ASCII码

绿：data数据块长度00 06 C0 00，即442368字节

结构体为：

struct DATA_BLOCK{char szDataID[4]; // 'd','a','t','a'DWORD dwDataSize;};

参考文献

wav文件分析 https://zhuanlan.zhihu.com/p/45518641
avi文件详解 https://blog.csdn.net/intel1985/article/details/114284756
wav文件格式分析 https://www.cnblogs.com/ranson7zop/p/7657874.html


## 参考文献1. wav文件分析 https://zhuanlan.zhihu.com/p/45518641
2. avi文件详解 https://blog.csdn.net/intel1985/article/details/114284756
3. wav文件格式分析 https://www.cnblogs.com/ranson7zop/p/7657874.html