RIFF WAVE 格式解析-编程知识

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：

| 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。

    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; //减去id , size占的字节数 ,对应的就是整个文件wav的大小,下面的format chunk的大小就不是整个wav的大小了.
  char szRiffFormat[4]; // 'W','A','V','E'
};

在Format chunk中，除了有音频的数据的采样率、声道等音频的属性外，另一个比较主要的字段就是format_tag，该字段表示音频数据是以何种方式编码存放的。其具体的取值可以为以下：

1(0x0001)	PCM/非压缩格式	16
2(0x0002	Microsoft ADPCM	18	√
3(0x0003)	IEEE float	18	√
6(0x0006)	ITU G.711 a-law	18	√
7(0x0007)	ITU G.711 μ-law	18	√
49(0x0031)	GSM 6.10	20	√
64(0x0040)	ITU G.721 ADPCM		√
65,534(0xFFFE)	见子格式块中的编码格式	40

    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 //是下面结构体的成员
{
  WORD wFormatTag;
  WORD wChannels;
  DWORD dwSamplesPerSec;
  DWORD dwAvgBytesPerSec;
  WORD wBlockAlign;
  WORD wBitsPerSample;
};
struct FMT_BLOCK
{
  char  szFmtID[4]; // 'f','m','t',' '
  DWORD  dwFmtSize;　　　　//16或者18
  WAVE_FORMAT wavFormat;　　
};

例子说明：44头，无附加信息

-rwxrwxrwx 1 root root 739160 Aug 8 17:47 115.wav*

例子说明：

位置	字节	数值	描述	类型	大小端
1-4	4	STR	固定格式 "RIFF"	52 49 46 46	大
5 - 8	4	U32	文件长度-8 739152(00 0b 47 50)	50 47 0b 00	小
9 -12	4	STR	文件类型 "WAVE"	41 57 45 56	大
13-16	4	STR	格式表示符 "fmt "	66 6d 74 20	大
17-20	4	U32	"10 00 00 00 "表示PCM数据	10 00 00 00	小
21-22	2	U16	数据类型,"01 00"表示 PCM	01 00	小
23-24	2	U16	通道数 2	02 00	小
25-28	4	U32	采样率 44100 （00 00 ac 44）	44 ac 00 00	小
29-32	4	U32	码率：采样率x位深度x通道数/8 44100162/8 = 176400 (00 02 b1 10)	10 b1 02 00	小
33-34	2	U32	采样一次，占内存大小：位深度x通道数/8 =16*2/8=4	04 00	小
35-36	2	U16	采样深度 16bit	10 00	小
37-40	4	STR	表述payload数据开头 "data"	64 61 74 61	大
41-44	4	U32	数据部分的长度 739116 (00 0b 47 2c)	2c 47 0b 00	小

文件格式中关于SIZE之间的关系：
FileSize = 739160
RiffSize = 739152
DataSize = 739116

关系：FileSize = 739160
= RiffSize + 8 = 739152 + 8
 = DataSize + 44 = 739116 + 44

    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;　　//同理就是减去id, size的本chunk的大小
};

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：(即和 format chunk有关系)
    ---------------------------------------------------------------------
    |   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)  |

----------------------------------------------------------------------

    |   单声道    |    取样1                  |           取样2           |
    |---------------------------------------------------------------------
    | 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)|
    -----------------------------------------------------------------------

    |   双声道    |    取样1                         |            取样2             |
    |-------------------------------------------------------------------------------
    | 16bit量化   |    声道0（左）  |  声道1（右）   |    声道0（左） |  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;
};

其他情况：
1、如果Format Chunk Size等于0x10(16)，表示头部不包含附加信息，即WAV头部信息长度为44；如果等于0x12(18)，则包含附加信息，此时头部信息长度大于44

2、如果RIFFSize - DataSize > (FormatSize + FactSize) 说明数据部分有其他类型数据，在取出数据部分的时候要去掉这部分信息

参考：
wave文件格式以及代码 - Red_Point - 博客园 (cnblogs.com)