前言
自从踉跄尝试开发,不停地被提醒自己基本功的薄弱——人家随随便便抛出一句“这本来就是二进制文件(无法解码很正常)”,我却纳闷了半天到底什么是二进制文件。没办法,基础差就要好好学习。
来吧,今日关键词:二进制文件 vs. 文本文件
数据在物理上的存储方式是二进制的,即由0/1字符串构成。而我们解读这些的方式有两种:基于字符编码,和基于值编码。
基于字符编码
基于字符编码,即每个我们肉眼可读的字符都有唯一对应的0/1字符串,我们读、写这些字符都使用同一套编码方式。
如果某文件的数据使用基于字符的编码,那么该文件即为“文本文件”。
常见的基于字符的编码有:ASCII码,Unicode编码。
1. ASCII码我们都比较熟悉了,它是一种定长编码,编码规则为:
1字节 0xxxxxxx
2. Unicode编码中比较常见的是UTF-8编码,其为变长编码,即某一个字符的UTF-8编码有可能是1字节,也有可能是多字节。具体编码规则如下:
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
基于值编码
基于值编码,可以理解为自定义的编码。
如果某文件的数据使用基于值的编码,那么该文件即为“二进制文件”。不同的应用程序对二进制文件中的每个值会有不同的解读,就像不同的编码对文本文件中的每一/多个字节有不同的解读。
常见的二进制文件有可执行程序、图形、图像、声音等等。
*用记事本打开二进制文件出现乱码
由于二进制文件有其独立的编码解码规则,而这一规则通常是不同于文本文件的编码解码规则的,所以当我们用记事本打开二进制文件,也就是说,我们尝试用ASCII码的规则去解读二进制文件时,会出现乱码。因为:
同样的一串字符串 00000000 00000000 00000000 00000001 在二进制文件里可能想表达的是一个4字节的整数1,而误用ASCII码解码便会输出NUL NUL NUL SOH。
以上~