二进制文件和文本文件

  通常，我们喜欢把文件分为二进制文件（binary file）和文本文件（text file）两类。但事实上，所有文件在计算机上都是以二进制方式进行存储的，因此二者并无本质上的区别，它们的区别仅在于对文件内容的解释方式上。

---

1.概述

  广义上来说，二进制文件即指文件，由文件在外部设备的存放形式为二进制而得名，显然，这个层面下，文本文件属于二进制文件的一种；那么，本文所要讲的，是狭义上的二进制文件和文本文件。
  如前所述，所有的文件都是由一连串的0、1组成，故而在物理上，二进制文件和文本文件无差异，它们的差异是逻辑上的。当我们打开文件时，需要对底层的二进制码作出相应的解释：对于文本文件，应用程序（一般为文本编辑器）会将二进制码解释为文本字符；而对于二进制文件，应用程序（很多，如图像查看器、视频播放器等）会将二进制码解释为其它内容。对于二进制文件和文本文件的区分，以上表述似乎还不能很让人满意，下面我们采用Q&A的形式，细致地剖析这个问题：

• — Q：简单直接地，什么是文本文件，什么又是二进制文件？
• — A：文本文件，就是根据字符编码规则解码后，能够全部解码为文本字符的；二进制文件，就是除了文本文件外的所有其它文件，也即，文件底层的二进制码不能根据字符编码规则全部解码为文本字符；换言之，文本文件是根据字符编码规则写入的，而二进制文件是根据其它规则编码写入的；
• — Q：拿到一个文件，应用程序怎么知道根据什么规则去解码？
• — A：不同类型的文件有不同的解码规则，因而就有不同的解码器，只要我们选对了解码器（应用程序），解码器自然会根据一套固定的规则去对文件进行解码，文本文件如此，二进制文件（如bmp、rmvb、png）亦如此；
• — Q：如何选择正确的解码器？
• — A：最简单的，根据文件扩展名去选择解码器即可，比如，对于.txt文件，这是文本文件，选用记事本或者notepad++均可，对于.bmp文件，这是图像文件（或者说是二进制文件），选用图像查看器即可；不过，文件扩展名是可以随意更改的，因此一个更可靠的方法是根据文件头去选择解码器：一般而言，文件都有文件头，处在文件的开头部分，其中包含着文件的格式信息，比如有个文件的开头两个字节是 0x42 0x4D，对应的ASCII字符是BM，因此我们知道这是一个BMP文件，故而选择图像查看器即可；
• — Q：如果选错了解码器，文件能打开吗？
• — A：选错了解码器，由于编解码规则不一致，解释出来的内容自然就成了所谓的“乱码”，比如，用记事本去打开.bmp文件，就会看到一堆乱码，当然也有不是乱码的地方，你会注意到那些地方都显示为字符，因此能被记事本用字符解码规则解释出来；

  相信上述几个问题已经解决了绝大多数人的疑惑，接下来我们分别从文件读写的角度切入，进一步区分二进制文件和文本文件。

2.写（write）

1. 能存储的数据类型不同
   
   • 文本文件只能存储char型字符变量；
   • 二进制文件可以存储char/int/short/long/float/……各种变量值；
2. 每条数据的长度不同
   
   • 文本文件每条数据通常是固定长度的，以ASCII字符为例，每条数据(每个字符)都是1个字节（也有非定长的编码如UTF-8）；
   • 二进制文件每条数据不固定，如short占两个字节，int占四个字节，float占8个字节；
3. 对换行符的处理不同（详见文本文件换行符）
   
   • 文本文件的换行符，在不同的操作系统中有所区别：对于DOS\Windows操作系统，当我们向文本文件中写入换行符“\n”时，会自动转换为“\r\n”再写入，当我们从文本文件中读取时，又会自动将“\r\n”再转换为“\n”输出；对于Unix\类Unix操作系统，写入读取均为“\n”，没有转换过程；
   • 二进制文件的换行符，不存在上述问题，写入的是什么就是什么；

3.读（read）

1. 读取的应用程序不同
   
   • 文本文件，选用文本编辑器，如记事本、notepad++、vim等；
   • 二进制文件，需要特别的解码器，如bmp文件需要图像查看器，rmvb文件需要视频播放器；

4.二者的比较

1. 文本文件的优点
   
   • 一般认为，文本文件编码基于字符定长，译码容易；二进制文件编码是变长的，所以它灵活，存储利用率要高些，译码难一些（不同的二进制文件格式，有不同的译码方式）；
   • 由于结构简单，文本文件被广泛用于记录信息。它能够避免其它文件格式遇到的一些问题。此外，当文本文件中的部分信息出现错误时，往往能够比较容易的从错误中恢复出来，并继续处理其余的内容。
2. 二进制文件的优点
   
   • 二进制文件比较节约空间，这两者储存字符型数据时并没有差别。但是在储存数字，特别是实型数字时，二进制更节省空间。比如储存数据：3.1415927，文本文件需要 9 个字节，分别储存：3 . 1 4 1 5 9 2 7 这 9 个 ASCII 值，而二进制文件只需要 4 个字节（DB 0F 49 40）；
   • 内存中参加计算的数据都是用二进制无格式储存起来的，因此，使用二进制储存到文件就更快捷。如果储存为文本文件，则需要一个转换的过程。在数据量很大的时候，两者就会有明显的速度差别了。（就像上面的3.1415927需要转换一番）；
   • 一些比较精确的数据，使用二进制储存不会造成有效位的丢失。

---

参考文献

[1] https://www.zhihu.com/question/19971994
[2] https://zhuanlan.zhihu.com/p/20693043
[3] http://blog.csdn.net/sxhelijian/article/details/29594687
[4] http://www.cnblogs.com/zhourong2015/p/5094688.html
[5] https://baike.baidu.com/item/BMP/35116?fr=aladdin
[6] http://www.cnblogs.com/flying-roc/articles/1798817.html
[7] http://blog.csdn.net/jason_cuijiahui/article/details/73866060
[8] http://www.cnblogs.com/macliu/p/6340131.html
[9] http://www.cjjjs.com/paper/xmkf/624201593922582.aspx
[10] https://www.dplord.com/2016/03/14/diffenerce-between-binary-file-and-text-file/
[11] http://www.cnblogs.com/gala/archive/2011/09/22/2184801.html
[12] http://blog.csdn.net/universe_hao/article/details/52779699
[13] http://blog.csdn.net/abcdyzhang/article/details/56331492
以上为本文的全部参考文献，对原作者表示感谢。