WAV文件读取

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;
	}
}