wav文件格式分析详解（darkdragonking认为比较全的了）

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 WAVE Chunk                  |
|             ID = 'RIFF'                     |
|             RiffType = 'WAVE'                |
------------------------------------------------
|             Format Chunk                     |
|             ID = 'fmt '                      |
------------------------------------------------
|             Fact Chunk(optional)             |
|             ID = 'fact'                      |
------------------------------------------------
|             Data Chunk                       |
|             ID = 'data'                      |
------------------------------------------------
            图1   Wav格式包含Chunk示例

    其中除了Fact Chunk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(详见后文)     |     |
    --------------------------------------------------------------------     |
    | 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 00 00”，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 00 00”，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 00 00”，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

    Fact Chunk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

    Data Chunk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) |
    ---------------------------------------------------------------------
    |           |          取样1            |           取样2           |
    |   单声道 |--------------------------------------------------------
    | 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) |
    ---------------------------------------------------------------------
    |           |                         取样1                         |
    |   双声道 |--------------------------------------------------------
    | 16bit量化 | 声道0(左) | 声道0(左) | 声道1(右) | 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

    Data Chunk头结构定义如下：
    struct DATA_BLOCK
{
   char szDataID[4]; // 'd','a','t','a'
   DWORD dwDataSize;
};

 

FormatTag:说明

#define WAVE_FORMAT_UNKNOWN 0x0000
#define WAVE_FORMAT_PCM 0x0001    
#define WAVE_FORMAT_ADPCM 0x0002
#define WAVE_FORMAT_ALAW 0x0006   
#define WAVE_FORMAT_MULAW 0x0007  
#define WAVE_FORMAT_GSM610 0x0031
#define WAVE_FORMAT_MPEG 0x0050

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。

 

四、参考资料
    1、李敏, 声频文件格式WAVE的转换, 电脑知识与技术(学术交流), 2005.
    2、http://www.codeguru.com/cpp/g-m/multimedia/audio/article.php/c8935__1/
    3、http://www.smth.org/pc/pcshowcom.php?cid=129276

    4、http://icculus.org/SDL_sound/downloads/external_documentation/wavecomp.htm (英文详细说明)

下面是另一篇文章的转载和摘抄

    这是JRTPLIB@Conference系列的第六部《G.711编码事例程序》，本系列的主要工作是实现一个基于JRTPLIB的，建立在RTP组播基础上的多媒体视频会议系统。这只是一个实验系统，用于学习JRTPLIB、RTP、和多媒体相关的编程，不是一个完善的软件工程。而且，我只会在业余的时间出于兴趣写一写。有志同道合的朋友可以通过tinnal@136.com这个邮箱或博客回复（推荐）和我交流。   

    上一部《JRTPLIB@Conference DIY视频会议系统 五、PCM 和G.711编码相关》
    这一部我们来做个实验，就是把用windows录音机录下来的"PCM 8.000 kHz, 16 位, 单声道"WAV文件转换成为我们要用的8位8000Hz a-law格式PCM。要注意的是录音机默认的方式是PCM 44.100 kHz, 16 位, 立体声，我们不想去进行采样频率的更改，因为这个要进行插值，而且也没必要，因为我们写软件时采样频率我们是可以更改的。所以我们要先把录音另为"PCM 8.000 kHz, 16 位, 单声道"格式。

代码上的实现

根据上面的格式规定，我们把它写成一头文件wav.h

#ifndef _WAV_H_
#define _WAV_H_

#include "types.h"

#pragma pack(1)

struct RIFF_HEADER
{
    U8        szRiffID[4];  // 'R','I','F','F'
    U32        dwRiffSize;
    U8        szRiffFormat[4]; // 'W','A','V','E'
};

struct WAVE_FORMAT
{
    U16        wFormatTag;
    U16        wChannels;
    U32        dwSamplesPerSec;
    U32        dwAvgBytesPerSec;
    U16        wBlockAlign;
    U16        wBitsPerSample;
    U16        pack;        //附加信息
};
struct FMT_BLOCK
{
    U8        szFmtID[4]; // 'f','m','t',' '
    U32        dwFmtSize;
    struct    WAVE_FORMAT wavFormat;
};

struct FACT_BLOCK
{
    U8        szFactID[4]; // 'f','a','c','t'
    U32        dwFactSize;
};

struct DATA_BLOCK
{
    U8        szDataID[4]; // 'd','a','t','a'
    U32        dwDataSize;
};


#endif

因为这是个简单的程序，我没有去规划，相就的WAV解码过程我放到main.c的main函数里做了，这是不应该的，请原谅

/*******************************************************
*    这是配合我的博客《JRTPLIB@Conference DIY视频会议系统》
*    而写的一个阶段性实验。
*    作者：冯富秋 tinnal
*    邮箱：tinnal@163.com
*    博客：www.cnitblog.com/tinnal/
*    目期：2009-01-03
*    版本：1.00
*********************************************************/

#include "stdio.h"
#include "string.h"
#include "types.h"
#include "g711.h"
#include "wav.h"

struct RIFF_HEADER    riff_header;
struct FMT_BLOCK    fmt_block;
char   fack_block_buffer[20];        //20 should be enough
struct FACT_BLOCK    fact_block;
struct DATA_BLOCK    data_block;

int main(int argc, char **argv)
{
    FILE *wav_in;
    FILE *wav_out;
    U32 i;
    U8    has_fact_block =0;

    unsigned char pcm_bytes[2];
    short pcm;
    unsigned char a_law;    

    long file_pos;

    if(argc != 3 )
    {
        printf("Usage:\n\t%s <intput file> <output file>\n", argv[0]);
        exit(-1);
    }

    wav_in = fopen(argv[1],"rb");
    if(wav_in == NULL)
    {
        printf("Can't open input file %s\n", argv[1]);
        return (-1);
    }

    wav_out = fopen(argv[2], "wb");
    if( wav_out == NULL)
    {
        printf("Can't open output file %s\n",argv[2]);
        fclose(wav_in);
        return(-1);
    }
    
    file_pos = ftell(wav_in);

    //Read RIFF_HEADER
    fread(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_in);
    if(    memcmp(riff_header.szRiffID, "RIFF", 4) != 0 ||
        memcmp(riff_header.szRiffFormat, "WAVE", 4) != 0 )
    {
        printf("No a vaild wave file!\n");
        fclose(wav_in);
        fclose(wav_out);
        return(-1);
    }
    file_pos = ftell(wav_in);

    //Read FMT_BLOCK
    fread(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_in);
    if(    memcmp(fmt_block.szFmtID, "fmt ", 4) !=0 ||
        fmt_block.dwFmtSize != 18 ||
        fmt_block.wavFormat.wFormatTag != 0x1 ||
        fmt_block.wavFormat.wChannels != 0x1 ||
        fmt_block.wavFormat.dwSamplesPerSec != 8000 ||
        fmt_block.wavFormat.wBitsPerSample != 16)
    {
        printf("Sorry this is only test program,\n"
            "we only support follow format,\n"
            "\t 1. Format:        linear PCM \n"
            "\t 2. Samples Rate:  8000 KHz \n"
            "\t 3. Channels:      one channel \n"
            "\t 4. BitsPerSample: 16 \n");
        fclose(wav_in);
        fclose(wav_out);
        return(-1);
    }
    
    file_pos = ftell(wav_in);

    //Try to read FACT_BLOCK
    file_pos = ftell(wav_in);
    fread(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_in);
    if( memcmp(fact_block.szFactID, "fact", 4) == 0 )
    {    
        has_fact_block =1;
        fread(&fack_block_buffer, fact_block.dwFactSize, 1, wav_in);
    }
    else
        fseek(wav_in, file_pos, SEEK_SET);
    
    fread(&data_block, sizeof(struct DATA_BLOCK), 1, wav_in);
    if (memcmp(data_block.szDataID, "data", 4) != 0)
    {
        printf("OOh what error?\n");
        fclose(wav_in);
        fclose(wav_out);
        return(-1);
    }

    //Change the wave header to write
    riff_header.dwRiffSize                    -=    data_block.dwDataSize/2 ;
    
    fmt_block.wavFormat.wFormatTag            =    0x06;
    fmt_block.wavFormat.wChannels            =    0x01;
    fmt_block.wavFormat.dwSamplesPerSec        =    8000;
    fmt_block.wavFormat.dwAvgBytesPerSec    =    8000;
    fmt_block.wavFormat.wBlockAlign            =    0x01;
    fmt_block.wavFormat.wBitsPerSample        =    0x08;

    data_block.dwDataSize                    -=    data_block.dwDataSize/2 ;

    //Write wave file header
    fwrite(&riff_header, sizeof(struct RIFF_HEADER), 1, wav_out);
    fwrite(&fmt_block, sizeof(struct FMT_BLOCK), 1, wav_out);
    if(has_fact_block == 1) 
    {
        fwrite(&fact_block, sizeof(struct FACT_BLOCK), 1, wav_out);
        fwrite(&fack_block_buffer, fact_block.dwFactSize, 1, wav_out);
    }
    fwrite(&data_block, sizeof(struct DATA_BLOCK), 1, wav_out);

    //Convert pcm data to a-low data  and  write wav file.
    for(i =0; i< data_block.dwDataSize; i++)
    {
        pcm_bytes[0] = (U8) fgetc(wav_in);
        pcm_bytes[1] = (U8) fgetc(wav_in);
        pcm = *(short *)&pcm_bytes;

        a_law     = ALawEncode((int)pcm);
//        a_law     = linear2alaw((int)pcm);
        fputc(a_law, wav_out);
    }
    fclose(wav_in);
    fclose(wav_out);
    
    printf("Finish!\n");
    return 0;
}

整个文件基本都是在为WAV文件格式服务而非我们的核心工作－－G.711编码。唉~，我也不想。这里在面进行G.711编码的就是ALawEncode函数。这个函数定义在g711.c里件里，这个文件函数一些我认为比较有用的函数。我们这是只把ALawEncode这个函数拿出来。

<span style="font-family:KaiTi_GB2312;">//省略的代码
unsigned char ALawEncode(int pcm16)
{
    int p = pcm16;
    unsigned a;  // A-law value we are forming
    if(p<0)
    {
        // -ve value
        // Note, ones compliment is used here as this keeps encoding symetrical
        // and equal spaced around zero cross-over, (it also matches the standard).
        p = ~p;
        a = 0x00; // sign = 0
    }
    else
    {
        // +ve value
        a = 0x80; // sign = 1
    }
    
    // Calculate segment and interval numbers
    p >>= 4;
    if(p>=0x20)
    {
        if(p>=0x100)
        {
            p >>= 4;
            a += 0x40;
        }
        if(p>=0x40)
        {
            p >>= 2;
            a += 0x20;
        }
        if(p>=0x20)
        {
            p >>= 1;
            a += 0x10;
        }
    }
    // a&0x70 now holds segment value and 'p' the interval number
    
    a += p;  // a now equal to encoded A-law value
    
    return a^0x55;    // A-law has alternate bits inverted for transmission
}
//省略的代码
</span>