Cao Yi

浅尝二进制文件和文本文件

Index

虽然电脑上的文件本质上都是二进制的，但 Java 还是把流分成了两类：字节流和字符流，两种流的输出，前者亦称为二进制文件，後者则称为文本文件。下面来考察下

字节流输出的二进制文件

  1. 首先示范 Java 流工具和 Linux xxd 的使用：

代码片段

FileOutputStream fos = new FileOutputStream("binary_output");
DataOutputStream dos = new DataOutputStream(fos);

dos.writeBoolean(false);
dos.close();

执行后，通过工具 xxd 查看：

$ xxd -b binary_output 
00000000: 00000000

可见，布尔值 false 一个 byte (8 bits) 存储，所有位皆为0.

  1. 再考察 true 的存储形式：
dos.writeBoolean(true);

$ xxd -b binary_output 
00000000: 00000001

很清楚地看到 true 也是以一个 byte 来存储的，最后一位为1.

  1. 继续考察其他：
dos.write('\n');

$ xxd -b binary_output 
00000000: 00001010                                               .

换行符号的 ASCII 码是10, 即二进制数1010. 换行符号也是用一个 byte 来存储的。

  1. int
dos.writeInt(3);

$ xxd -b binary_output 
00000000: 00000000 00000000 00000000 00000011

一个 int 数字，用 4 bytes 存储。

  1. double
    dos.writeDouble(3.14);

$ xxd -b binary_output 
00000000: 01000000 00001001 00011110 10111000 01010001 11101011  @...Q.
00000006: 10000101 00011111

可见，需要8 bytes 才能存储一个 double 数字。

  1. float
    dos.writeFloat(3.14f);

$ xxd -b binary_output 
00000000: 01000000 01001000 11110101 11000011

可见，4 bytes 即可存储一个 float 数字。 以上浮点数的二进制文件中的存储形式，还需翻下资料才能理解。TODO

  1. 汉字
    dos.write('曹');

$ xxd -b binary_output 
00000000: 11111001                                               .

(11111001)2 = (F9)16 这里不太理解，汉字曹的UTF-8编码是66F9，但这里只有後面两位，百思不得其解。TODO

  1. 英文字母
dos.write('A');

$ xxd -b binary_output 
00000000: 01000001

(01000001)2 = (41)16，即字母A的 ASCII 编码。

  1. 以上综合输出
dos.writeBoolean(true);
dos.write('\n');
dos.writeInt(3);
dos.writeDouble(3.14);
dos.writeFloat(3.14f);
dos.write('曹');
dos.write('A');

$ xxd -b binary_output 
00000000: 00000001 00001010 00000000 00000000 00000000 00000011  ......
00000006: 01000000 00001001 00011110 10111000 01010001 11101011  @...Q.
0000000c: 10000101 00011111 01000000 01001000 11110101 11000011  ..@H..
00000012: 11111001 01000001                                      .A

字符流产生的文本文件

同样的内容，如果存储到文本文件中，再用 xxd 查看，会得到什么？ 保存文本文件：text.txt，内容如下：

true
33.143.14f曹A

$ xxd -b text.txt 
00000000: 01110100 01110010 01110101 01100101 00001010 00110011  true.3
00000006: 00110011 00101110 00110001 00110100 00110011 00101110  3.143.
0000000c: 00110001 00110100 01100110 11100110 10011011 10111001  14f...
00000012: 01000001                                                                                                 A

很明显，这些内容全部当文本保存成二进制文件了，故曰文本文件。

总结

文本文件，是为了对人类可读，多了一个转字符串的中间环节，实际上存到计算机上的都是人类可见的那些“字面量”。比如对布尔型值true，二进制文件存它的值，只需要8 bits即可，前面7 bits填0，最後一个 bit 填1即可。而保存为文本文件的话，实际上保存的是”t”, “r”, “u”, “e”这四个字母对应的UTF-8编码的二进制值。

所以，二进制比较省空间，文本文件比较好读。

本文最早发布在OSC上。

This site is open source. Improve this page.