文本文件和二进制文件的区别
链接：https://www.zhihu.com/question/19971994/answer/570107874
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
回答较长，但是保证有趣。( • ̀ω•́ )✧
这要从文件的本质开始说起，首先，我们用一个简单的例子来演示一下计算机处理文件的过程。
提到计算机，很多人都知道二进制，二进制具体是用来干嘛的呢？是用来保存和表示信息的，计算机里所有的信息，无论是CPU正在执行的指令还是你保存在硬盘里的小姐姐，归根结底都是像下面这样的01序列：
0100100001100101011011000110110001101111
但是当看到这样的序列，不要说一般的电脑使用者，就是程序员也不可能很快地认出这是什么。实际应用中，对于这样的二进制序列，我们往往会做如下处理：
- 以4位为一组，将序列分成若干组。对于上面的序列，分割之后如下：
0100 1000 0110 0101 0110 1100 0110 1100 0110 1111
2. 现在我们可以把这些二进制序列看做是10个二进制数，每个数有4位。之后我们把这10个数转换成16进制。转换之后如下：
4 8 6 5 6 c 6 c 6 f
因为4位的二进制数所能表示的最大的16进制数也就只有f，所以这样得到的16进制数可以保证只有1位，现在我们得到了10个16进制的数字，而且每个只有1位，看起来是不是清爽多了？
截止到现在为止，我们所做的工作对于任意格式的文件来说都是通用的，下面假设这个文件是个文本文件，我们来手动解析这个文本文件。
3. 将10个16进制数字强行合并成2位的16进制数，如下：
48 65 6c 6c 6f
4. 现在，我们得到了5个2位的16进制数，将他们转换为10进制（其实在这里也可以不做转换，转换成10进制只是为了符合我们的习惯）
72 101 108 108 111
5. 现在，我们得到了5个无比亲切的10进制数，上过小学甚至是幼儿园的孩子都可以大声地把这5个数字读出来。然后，我们搬出一件驰名中外的东西——ASCII码表.
链接：https://www.zhihu.com/question/19971994/answer/570107874
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
当我们对照ASCII码表把上面的5个数字翻译出来后，我们终于得到了一个语文老师也能够看懂的单词
Hello
把上面的过程稍作简化，从4位二进制数直接向ASCII码表对应的字符翻译，就可以大致认为是计算机读取文本文件的原理，实际上，由于ASCII字符集能表示的字符已经远远无法满足人们的使用，现在使用的往往是诸如Unicode这样的大型字符集，但是基本原理和使用ASCII字符集别无二致，只是能表示的字符多了一些，需要的二进制位长了一些。
有些优秀的同学可能会问，那我第5步的时候为什么就一定要用ASCII码表或者Unicode表来查，而不是别的什么表呢？这个问题就引出了文件类型的概念。当你打开一个扩展名为txt的文件，或者虽然扩展名不是txt，但是你使用文本编辑器强行打开时，文本编辑器就会认为这是一个文本文件，然后使用文本文件对应的规则来“翻译”这些二进制序列。
可想而知，如果这个文件确实是文本文件，那么解析出来就是人类可以看懂的信息，如果这个文件本来就不是一个文本文件，那么强行解析出来就会变成杂乱无章的字符组合，这样的字符组合就有一个为人们熟知的名字——乱码。
比如我把上面举例用的字符串在16进制编辑模式下随意改为123456789a，使用记事本打开就是这样的：
链接：https://www.zhihu.com/question/19971994/answer/570107874
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
这就好比美国人对一个不懂英语的中国人说：Good morning!，中国人按照中文的发音去理解英语，听到的就是“孤的猫宁”，孤的猫宁是什么意思？总之不是它原来的意思。
同样，对于其他类型的文件，比如音频、图片、视频，计算机会用不同的解码方式去解读他们包含的二进制序列，虽然乍一看都是0101，但是因为“翻译”方式的不同，他们就可以表示不同类型的信息。文件之所以要加扩展名，就是为了让计算机能够知道，在读取这个文件的时候应该使用哪本“字典”来进行翻译，这样才能够呈现出它本来的信息。
回到题主的问题，其实在编程的概念里，只要是使用文本编辑器打开可以展现出人类可读(human-readable)的信息的文件，都可以算作宽泛的文本文件，如txt，html，css，java，xml等等，这些文件的编码都符合某种文字编码规范，如上文提到的ASCII、Unicode、还有以前中文中经常使用的GB2312；反之，如果文件的编码不符合任意一种文字编码规范，使用文本编辑器打开只能看到乱码，就可以认为它属于二进制文件。要想打开二进制文件，就必须要知道该文件所对应的编码规范，有些二进制文件使用通用的规范进行编码，比如常见的图片格式JPEG，音频格式MPEG-3，视频格式MPEG-4，而有些二进制文件的编码格式只有程序的开发者自己清楚，这样的文件对于普通的用户来说就几乎是保密的。
