WAV是一种以RIFF为基础的无压缩音频编码格式，该格式以Header、Format Chunk及Data Chunk三部分构成。
本文简要解析了各部分的构成要素，概述了如何使用C++对文件头进行解析以及提取音频数据。
上图展示了WAV文件格式，包括每一field的大小与端序
Header
- ChunkID： 4字节大端序。文件从此处开始，对于WAV或AVI文件，其值总为“RIFF”。
- ChunkSize： 4字节小端序。表示文件总字节数减8，减去的8字节表示ChunkID与ChunkSize本身所占字节数。
- Format： 4字节大端序。对于WAV文件，其值总为“WAVE”
Format Chunk
- Subchunk1ID： 4字节大端序。其值总为“fmt ”，表示Format Chunk从此处开始。
- Subchunk1Size： 4字节小端序。表示Format Chunk的总字节数减8。
- AudioFormat： 2字节小端序。对于WAV文件，其值总为1。
- NumChannels： 2字节小端序。表示总声道个数。
- SampleRate： 4字节小端序。表示在每个通道上每秒包含多少帧。
- ByteRate： 4字节小端序。大小等于SampleRate * BlockAlign，表示每秒共包含多少字节。
- BlockAlign： 2字节小端序。大小等于NumChannels * BitsPerSample / 8， 表示每帧的多通道总字节数。
- BitsPerSample： 2字节小端序。表示每帧包含多少比特。
Data Chunk
- Subchunk2ID： 4字节大端序。其值总为“data”，表示Data Chunk从此处开始。
- Subchunk2Size： 4字节小端序。表示data的总字节数。
- data： 小端序。表示音频波形的帧数据，各声道按帧交叉排列。
使用C++解析WAV文件
文件头结构
定义结构体WaveHeader来保存WAV文件头，即Header、Format Chunk及Data Chunk的非data部分，此外在该结构体中添加了num_frame字段，用来保存文件总帧数，由于Header、Format Chunk与Data Chunk之间可能有其他说明信息，所以还添加了start_pos字段用来保存真正的data开始的位置。
typedef struct WaveHeader {
char chunk_id[4] = { 0 };
unsigned int chunk_size = 0;
char format[4] = { 0 };
char fmt_chunk_id[4] = { 0 };
unsigned int fmt_chunk_size = 0;
unsigned short audio_fomat = 0;
unsigned short num_channels = 0;
unsigned int sample_rate = 0;
unsigned int byte_rate = 0;
unsigned short block_align = 0;
unsigned short bits_per_sample = 0;
char data_chunk_id[4] = { 0 };
unsigned int data_chunk_size = 0;
int num_frame = 0;
int start_pos = 0;
};
提取文件头
/*
* fname： 文件路径
* wh： 用来保存文件头的结构体实例
*/
void getHead(string fname, WaveHeader &wh) {
/*
*由于事先并不知道文件大小，故定义足量大小的char数组覆盖文件头
*之后可根据提取到的ChunkSize来定义提取音频数据用的数组
*/
const int HEAD_LENGTH = 256 * 1024;//256kb
char buf[HEAD_LENGTH];
FILE *stream;
freopen_s(&stream, fname.c_str(), "rb", stderr);
fread(buf, 1, HEAD_LENGTH, stream);
//记录文件读取位置
int pos = 0;
//寻找“RIFF”标记
while (pos < HEAD_LENGTH) {
if (buf[pos] == 'R'&&buf[pos + 1] == 'I'&&buf[pos + 2] == 'F'&buf[pos + 3] == 'F') {
wh.chunk_id[0] = 'R';
wh.chunk_id[1] = 'I';
wh.chunk_id[2] = 'F';
wh.chunk_id[3] = 'F';
pos += 4;
break;
}
++pos;
}
//读取Header部分
wh.chunk_size = *(int *)&buf[pos];
pos += 4;
wh.format[0] = buf[pos];
wh.format[1] = buf[pos + 1];
wh.format[2] = buf[pos + 2];
wh.format[3] = buf[pos + 3];
pos += 4;
//寻找“fmt”标记
while (pos < HEAD_LENGTH) {
if (buf[pos] == 'f'&&buf[pos + 1] == 'm'&&buf[pos + 2] == 't') {
wh.fmt_chunk_id[0] = 'f';
wh.fmt_chunk_id[1] = 'm';
wh.fmt_chunk_id[2] = 't';
pos += 4;
break;
}
++pos;
}
//读取Format Chunk部分
wh.fmt_chunk_size = *(int *)&buf[pos];
pos += 4;
wh.audio_fomat = *(short *)&buf[pos];
pos += 2;
wh.num_channels = *(short *)&buf[pos];
pos += 2;
wh.sample_rate = *(int *)&buf[pos];
pos += 4;
wh.byte_rate = *(int *)&buf[pos];
pos += 4;
wh.block_align = *(short *)&buf[pos];
pos += 2;
wh.bits_per_sample = *(short *)&buf[pos];
pos += 2;
//寻找“data”标记
while (pos < HEAD_LENGTH) {
if (buf[pos] == 'd'&&buf[pos + 1] == 'a'&&buf[pos + 2] == 't'&buf[pos + 3] == 'a') {
wh.data_chunk_id[0] = 'd';
wh.data_chunk_id[1] = 'a';
wh.data_chunk_id[2] = 't';
wh.data_chunk_id[3] = 'a';
pos += 4;
break;
}
++pos;
}
//读取Data Chunk的非data部分
wh.data_chunk_size = *(int *)&buf[pos];
pos += 4;
//记录真正音频数据的开始位置
wh.start_pos = pos;
//计算文件总帧数
wh.num_frame = wh.data_chunk_size / (wh.num_channels*(wh.bits_per_sample / 8));
}
提取波形数据(data)
/*
* fname： 文件路径
* wh： 对应的文件头结构体实例
*/
void getData(string fname, WaveHeader &wh){
//记录文件读取位置
int pos = wh.start_pos;
//为加快处理速度，根据ChunkSize将文件一次读入内存
FILE *stream;
freopen_s(&stream, fname.c_str(), "rb", stderr);
char* file_data = new char[wh.chunk_size + 8];
fread(file_data, 1, wh.chunk_size + 8, stream);
//以每帧2字节为例
short left_data;
short right_data;
while(pos < wh.start_pos + wh.data_chunk_size){
left_data = *(short*)&file_data[pos];
//TODO: 处理左声道数据
pos += 2；
right_data = *(short*)&file_data[pos];
//TODO: 处理右声道数据
pos += 2;
}
}