解析wav文件头
解析MP3文件头
文章目录
前言
最近在工作中，会涉及到播放mp3文件和wav文件，会想要获得音频文件的采样率和通道数，所以去查了一下mp3文件头和wav文件头的格式，写代码来解析。
一、解析wav文件头
wav文件头格式
typedef struct
{
uint8_t ChunkID[4]; // 文档标识。 大写字符串"RIFF",标明该文件为有效的 RIFF 格式文档。
uint32_t ChunkSize; // 文件数据长度。 从下一个字段首地址开始到文件末尾的总字节数。该字段的数值加 8 为当前文件的实际长度。
uint8_t Format[4]; // 文件格式类型。 所有 WAV 格式的文件此处为字符串"WAVE",标明该文件是 WAV 格式文件。
uint8_t FmtChunkID[4]; // 格式块标识。 小写字符串,"fmt "。
uint32_t FmtChunkSize; // 格式块长度。 其数值不确定,取决于编码格式。可以是 16、 18 、20、40 等。
uint16_t AudioFormat; // 编码格式代码。 常见的 WAV 文件使用 PCM 脉冲编码调制格式,该数值通常为 1。
uint16_t NumChannels; // 声道个数。 单声道为 1,立体声或双声道为 2。
uint32_t SampleRate; // 采样频率。 每个声道单位时间采样次数。常用的采样频率有 11025, 22050 和 44100 kHz。
uint32_t ByteRate; // 数据传输速率。 该数值为: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。
uint16_t BlockAlign; // 数据块对齐单位。 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。
uint16_t BitsPerSample; // 采样位数。 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。
uint8_t DataChunkID[4];
uint32_t DataChunkSize;
}__attribute__((packed, aligned(1))) WaveHeader;
解析代码
static int audio_parse_wav_file(char *filename, int *sample_rate, int *channel_num, int *bit_width)
{
int ret = 0;
if(filename == NULL)
{
SAMPLE_PRT("wav filename is NULL!\n");
return -1;
}
WavHeader header;
FILE *file = fopen(filename, "rb");
// 读取WAV文件头
fread(&header, sizeof(header), 1, file);
// 输出解析结果
printf("%s Number of channels: %d\n", filename, header.numChannels);
printf("%s Sample rate: %d Hz\n", filename, header.sampleRate);
printf("%s Bits per sample: %d bits\n", filename, header.bitsPerSample);
*sample_rate = header.sampleRate;// out
*channel_num = header.numChannels;// out
*bit_width = header.bitsPerSample;// out
// 关闭文件
fclose(file);
return ret;
}
二、解析MP3文件头
mp3文件结构
mp3文件结构大致结构如下：
注意：并不是所有mp3文件都包含ID3V2部分，有的MP3文件包含ID3V2部分，有的MP3文件不包含ID3V2部分。
ID3V2：
ID3V2 到现在一共有 4 个版本,但流行的播放软件一般只支持第 3 版,既 ID3v2.3。由于
ID3V1 记录在 MP3 文件的末尾,ID3V2 就只好记录在 MP3 文件的首部了。
每个 ID3V2.3 的标签都一个标签头和若干个标签帧或一个扩展标签头组成。关于曲目的信息如标题、作者等都存放在不同的标签帧中,扩展标签头和标签帧并不是必要的,但每个标
签至少要有一个标签帧。标签头和标签帧一起顺序存放在 MP3 文件的首部。
(一)、标签头
在文件的首部顺序记录 10 个字节的 ID3V2.3 的头部。数据结构如下:
typedef struct
{
char Header[3]; /*必须为"ID3"否则认为标签不存在*/
char Ver; /*版本号 ID3V2.3 就记录 3*/
char Revision; /*副版本号此版本记录为 0*/
char Flag; /*存放标志的字节,这个版本只定义了三位,稍后详细解说*/
char Size[4]; /*标签大小,包括标签头的 10 个字节和所有的标签帧的大小*/
}__attribute__((packed, aligned(1))) Mp3ID3V2TagHeader;
注:对这里我有疑惑,因为在实际寻找首帧的过程中,我发现有的 mp3 文件的标签大小是不
包含标签头的,但有的又是包含的,可能是某些 mp3 编码器写标签的 BUG,所以为了兼容
只好认为其是包含的,如果按大小找不到,再向后搜索,直到找到首帧为止。
(1).标志字节
标志字节一般为 0,定义如下:
abc00000
a – 表示是否使用 Unsynchronisation(这个单词不知道是什么意思,字典里也没有找到,一般
不设置)
b – 表示是否有扩展头部,一般没有(至少 Winamp 没有记录),所以一般也不设置
c – 表示是否为测试标签(99.99%的标签都不是测试用的啦,所以一般也不设置)
(2).标签大小
一共四个字节,但每个字节只用 7 位,最高位不使用恒为 0。所以格式如下
0xxxxxxx 0xxxxxxx 0xxxxxxx 0xxxxxxx
计算大小时要将 0 去掉,得到一个 28 位的二进制数,就是标签大小(不懂为什么要这样做),
计算公式如
下:
int total_size;
total_size = (Size[0]&0x7F)*0x200000
+(Size[1]&0x7F)*0x4000
+(Size[2]&0x7F)*0x80
+(Size[3]&0x7F)
Frame帧头结构如下：
使用字符 A 到 M 表示不同的区域。在表格中你可以看到每一区域
的详细内容。
AAAAAAAA AAABBCCD EEEEFFGH IIJJKLMM
帧头定义
typedef struct
{
unsigned int sync1: 8; //同步信息 1
unsigned int error_protection: 1; //CRC 校验
unsigned int layer: 2; //层
unsigned int version: 2; //版本
unsigned int sync2: 3; //同步信息 2
unsigned int extension: 1; //版权
unsigned int padding: 1; //填充空白字
unsigned int sample_rate_index: 2; //采样率索引
unsigned int bit_rate_index: 4; //位率索引
unsigned int emphasis: 2; //强调方式
unsigned int original: 1; //原始媒体
unsigned int copyright: 1; //版权标志
unsigned int mode_extension: 2; //扩展模式,仅用于联合立体声
unsigned int channel_mode: 2; //声道模式
}__attribute__((packed, aligned(1))) Mp3FrameHeader;
请注意这里同步信息分成了两个部分,而且其他的位的顺序也和上表列出的有所差别,这个
主要是因为 c 语言在存取数据时总是从低位开始,而这个帧头是需要从高位来读取的。
解析帧头，获得采样率和通道数示例代码
static int audio_parse_mp3_file(char *filename, int *sample_rate, int *channel_num)
{
int ret = 0;
if(filename == NULL)
{
SAMPLE_PRT("mp3 filename is NULL!\n");
return -1;
}
// ID3V2标签头格式 共10Bytes 可以无
typedef struct{
char Header[3]; /*必须为"ID3"否则认为标签不存在*/
char Ver; /*版本号 ID3V2.3 就记录 3*/
char Revision; /*副版本号此版本记录为 0*/
char Flag; /*存放标志的字节,这个版本只定义了三位,稍后详细解说*/
char Size[4]; /*标签大小,包括标签头的 10 个字节和所有的标签帧的大小*/
}Mp3ID3V2TagHeader;
// Frame帧头格式
typedef struct{
unsigned int sync1:8; //同步信息 1
unsigned int error_protection:1; //CRC 校验
unsigned int layer:2; //层
unsigned int version:2; //版本
unsigned int sync2:3; //同步信息 2
unsigned int extension:1; //版权
unsigned int padding:1; //填充空白字
unsigned int sample_rate_index:2; //采样率索引
unsigned int bit_rate_index:4; //位率索引
unsigned int emphasis:2; //强调方式
unsigned int original:1; //原始媒体
unsigned int copyright:1; //版权标志
unsigned int mode_extension:2; //扩展模式,仅用于联合立体声
unsigned int channel_mode:2; //声道模式
}Mp3FrmHeader;
typedef enum {
MPEG_2_5 = 0,
MPEG_RESERVED = 1,
MPEG_2 = 2,
MPEG_1 = 3,
MPEG_VER_BUTT
} MPEG_VERSION_TYPE_E;
typedef enum {
LAYER_RESERVED = 0,
LAYER_3 = 1,
LAYER_2 = 2,
LAYER_1 = 3,
LAYER_BUTT
} MPEG_LAYER_TYPE_E;
Mp3ID3V2TagHeader mp3_id3v2_tag_header;
Mp3FrmHeader mp3_frm_header;
FILE *file = fopen(filename, "rb");
// 读取ID3V2标签头
fread(&mp3_id3v2_tag_header, sizeof(mp3_id3v2_tag_header), 1, file);
printf("mp3_id3v2_tag_header.Header = %c%c%c\n", mp3_id3v2_tag_header.Header[0], mp3_id3v2_tag_header.Header[1], mp3_id3v2_tag_header.Header[2]);
if(mp3_id3v2_tag_header.Header[0] == 'I' &&
mp3_id3v2_tag_header.Header[1] == 'D' &&
mp3_id3v2_tag_header.Header[2] == '3')//包含ID3V2标签，MP3文件开头是ID3V2标签
{
//包含ID3V2标签
//找到帧头
int tag_total_size;
tag_total_size = (mp3_id3v2_tag_header.Size[0]&0x7F)*0x200000
+(mp3_id3v2_tag_header.Size[1]&0x7F)*0x4000
+(mp3_id3v2_tag_header.Size[2]&0x7F)*0x80
+(mp3_id3v2_tag_header.Size[3]&0x7F);
printf("tag_total_size = 0x%x\n", tag_total_size);
tag_total_size -= 10;//减去tag自己的长度（有的size会包含tag头的10字节，有的不包含，这里可以一一尝试）
//假设tag长度包含10字节的tag头
//移动文件指针到当前位置后的tag_total_size字节处，看是否是Frame帧头
fseek(file, tag_total_size, SEEK_CUR);
// A.假设此时是MP3帧头，读取MP3 Frame帧头
fread(&mp3_frm_header, sizeof(mp3_frm_header), 1, file);
if(mp3_frm_header.sync1 == 0xFF && mp3_frm_header.sync2 == 0x7)
{
//找到了帧头帧同步，确实是帧头，继续往下解析
//1. get sample_rate
if(mp3_frm_header.version == MPEG_1)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 44100;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 48000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 32000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 22050;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 24000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 16000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2_5)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 11025;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 12000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 8000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
printf("%s Sample rate: %d Hz\n", filename, *sample_rate);
//2. get channel_num
if(mp3_frm_header.channel_mode == 0)//立体声
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 1)//联合立体声（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 2)//双声道（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 3)//单声道（单声）
{
*channel_num = 1;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.channel_mode\n");
}
printf("%s Number of channels: %d\n", filename, *channel_num);
}
else //没有找到了帧头帧同步，不是帧头，重新计算偏移tag_total_size，重新解析
{
// 将文件位置指针移动到文件的开头位置
fseek(file, 0, SEEK_SET);
// 读取ID3V2标签头
fread(&mp3_id3v2_tag_header, sizeof(mp3_id3v2_tag_header), 1, file);
printf("mp3_id3v2_tag_header.Header = %c%c%c\n", mp3_id3v2_tag_header.Header[0], mp3_id3v2_tag_header.Header[1], mp3_id3v2_tag_header.Header[2]);
if(mp3_id3v2_tag_header.Header[0] == 'I' &&
mp3_id3v2_tag_header.Header[1] == 'D' &&
mp3_id3v2_tag_header.Header[2] == '3')//包含ID3V2标签，MP3文件开头是ID3V2标签
{
//包含ID3V2标签
//找到帧头
int tag_total_size;
tag_total_size = (mp3_id3v2_tag_header.Size[0]&0x7F)*0x200000
+(mp3_id3v2_tag_header.Size[1]&0x7F)*0x4000
+(mp3_id3v2_tag_header.Size[2]&0x7F)*0x80
+(mp3_id3v2_tag_header.Size[3]&0x7F);
// tag_total_size -= 10;//现在不减去tag自己的长度（这里size不包含tag头的10字节）
//tag长度不包含10字节的tag头
//移动文件指针到当前位置后的tag_total_size字节处，看是否是Frame帧头
fseek(file, tag_total_size, SEEK_CUR);
// A.假设此时是MP3帧头，读取MP3 Frame帧头
fread(&mp3_frm_header, sizeof(mp3_frm_header), 1, file);
if(mp3_frm_header.sync1 == 0xFF && mp3_frm_header.sync2 == 0x7)
{
//找到了帧头帧同步，确实是帧头，继续往下解析
//1. get sample_rate
if(mp3_frm_header.version == MPEG_1)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 44100;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 48000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 32000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 22050;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 24000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 16000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2_5)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 11025;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 12000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 8000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
printf("%s Sample rate: %d Hz\n", filename, *sample_rate);
//2. get channel_num
if(mp3_frm_header.channel_mode == 0)//立体声
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 1)//联合立体声（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 2)//双声道（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 3)//单声道（单声）
{
*channel_num = 1;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.channel_mode\n");
}
printf("%s Number of channels: %d\n", filename, *channel_num);
}
else
{
SAMPLE_PRT("found mp3 ID3V2 tag header, but can not find mp3 frame header!");
}
}
}
}
else//不包含ID3V2标签，MP3文件开头就是Frame帧头
{
// 将文件位置指针移动到文件的开头位置
fseek(file, 0, SEEK_SET);
// 此时因是MP3帧头，读取MP3 Frame帧头
fread(&mp3_frm_header, sizeof(mp3_frm_header), 1, file);
if(mp3_frm_header.sync1 == 0xFF && mp3_frm_header.sync2 == 0x7)
{
//找到了帧头帧同步，确实是帧头，继续往下解析
//1. get sample_rate
if(mp3_frm_header.version == MPEG_1)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 44100;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 48000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 32000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 22050;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 24000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 16000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
else if(mp3_frm_header.version == MPEG_2_5)
{
if(mp3_frm_header.sample_rate_index == 0)
{
*sample_rate = 11025;// out
}
else if(mp3_frm_header.sample_rate_index == 1)
{
*sample_rate = 12000;// out
}
else if(mp3_frm_header.sample_rate_index == 2)
{
*sample_rate = 8000;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.sample_rate_index\n");
}
}
printf("%s Sample rate: %d Hz\n", filename, *sample_rate);
//2. get channel_num
if(mp3_frm_header.channel_mode == 0)//立体声
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 1)//联合立体声（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 2)//双声道（立体声）
{
*channel_num = 2;// out
}
else if(mp3_frm_header.channel_mode == 3)//单声道（单声）
{
*channel_num = 1;// out
}
else
{
SAMPLE_PRT("Unsupported mp3_frm_header.channel_mode\n");
}
printf("%s Number of channels: %d\n", filename, *channel_num);
}
}
// 关闭文件
fclose(file);
return ret;
}
总结
以上就是所有的内容，本文仅仅简单介绍了使用C语言解析wav头和mp3头获得采样率和通道数的方法。
扫一扫
2676
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
