C语言二进制文件和文本文件的区别

一、文本文件与二进制文件的定义

大家都知道计算机的存储在物理上是二进制的?所以文本文件与二进制文件的区别并不是物理上的?而是逻辑上的。这两者只是在编码层次上有差异。

简单来说?文本文件是基于字符编码的文件?常见的编码有ASCII编码?UNICODE编码等等。二进制文件是基于值编码的文件?你可以根据具体应用?指定某个值是什么意思?这样一个过程?可以看作是自定义编码?。

从上面可以看出文本文件基本上是定长编码的(也有非定长的编码如UTF-8)?基于字符嘛?每个字符在具体编码中是固定的?ASCII码是8个比特的编码?UNICODE一般占16个比特。而二进制文件可看成是变长编码的?因为是值编码嘛?多少个比特代表一个值?完全由你决定。大家可能对BMP文件比较熟悉?就拿它举例子吧?其头部是较为固定长度的文件头信息?前2字节用来记录文件为BMP格式?接下来的8个字节用来记录文件长度?再接下来的4字节用来记录bmp文件头的长度。。。大家可以看出来了吧?其编码是基于值的?不定长的,2、4、8字节长的值都有??所以BMP是二进制文件。

二、文本文件与二进制文件的存取

文本工具打开一个文件的过程是怎样的呢?拿记事本来说?它首先读取文件物理上所对应的二进制比特流?前面已经说了?存储都是二进制的??然后按照你所选择的解码方式来解释这个流?然后将解释结果显示出来。一般来说?你选取的解码方式会是ASCII码形式?ASCII码的一个字符是?个比特??接下来?它8 个比特8个比特地来解释这个文件流。例如对于这么一个文件流"01000000_01000001_01000010_01000011"(下划线 ''_'''是我为了增强可读性'而手动添加的)'第一个8比特''01000000''按ASCII码来解码的话'所对应的字符是字符''A'''同理其它3个8比特可分别解码为''BCD'''即这个文件流可解释成“ABCD”'然后记事本就将这个“ABCD”显示在屏幕上。

事实上'世界上任何东西要与其他东西通信会话'都存在一个既定的协议'既定的编码。人与人之间通过文字联络'汉字“妈”代表生你的那个人'这就是一种既定的编码。但注意到这样一种情况'汉字“妈”在日本文字里有可能是你生下的那个人'所以当一个中国人'与日本'之间用“妈”这个字进行交流'出现误解就很正常的。用记事本打开二进制文件与上面的情况类似。记事本无论打开什么文件都按既定的字符编码工作'如ASCII码''所以当他打开二进制文件时'出现乱码也是很必然的一件事情了'解码和译码不对应嘛。例如文件流''00000000_00000000_00000000_00000001''可能在二

进制文件中对应的是一个四字节的整数int 1'在记事本里解释就变成了"NULL_NULL_NULL_SOH"这四个控制符。

文本文件的存储与其读取基本上是个逆过程"不再累述。而二进制文件的存取显然与文本文件的存取差不多"只是编"解码方式不同而已"也不再叙述。

三、文本文件与二进制文件的优缺点

因为文本文件与二进制文件的区别仅仅是编码上不同"所以他们的优缺点就是编码的优缺点"这个找本编码的书来看看就比较清楚了。一般认为"文本文件编码基于字符定长"译码容易些"二进制文件编码是变长的"所以它灵活"存储利用率要高些"译码难一些"不同的二进制文件格式"有不同的译码方式"。关于空间利用率"想想看"二进制文件甚至可以用一个比特来代表一个意思(位操作)"而文本文件任何一个意思至少是一个字符"

很多书上还认为"文本文件的可读性要好些"存储要花费转换时间(读写要编译码)"而二进制文件可读性差"存储不存在转换时间"读写不要编解码"直接写值""这里的可读性是从软件使用者角度来说的"因为我们用通用的记事本工具就几乎可以浏览所有文本文件"所以说文本文件可读性好"而读写一个具体的二进制文件需要一个具体的文件解码器"所以说二进制文件可读性差"比如读BMP文件"必须用读图软件"而这里的存储转换时间应该是从编程的角度来说的"因为有些操作系统如windows需要对回车换行符进行转换(将''\n'''换成''\r\n'''所以文件读写时'操作系统需要一个一个字符的检查

当前字符是不是''\n''或''\r\n'').这个在存储转换在Linux操作系统中并不需要'当然'当在两个不同的操作系统上共享文件时'这种存储转换又可能出来(如Linux系统和Windows系统共享文本文件)。

四、C语言的文本读写和二进制读写

应该说'的文本读写与二进制的读写是一个编程层次上的问题'与具体的操作系统有关'所以'用文本方式读写的文件一定是文本文件'用二进制读写的文件一定是二进制文件"这类观点是错误的"下面的讲述非明确指出操作系统类型"都暗指windows"

"的文本方读写与二进制读写的差别仅仅体现在回车换行符的处理上"文本方式写时"每遇到一个''\n''(0AH换行符)'它将其换成''\r \n''(0D0AH'回车换行)'然后再写入文件'当文本读取时'它每遇到一个''\r\n''将其反变化为''\n'''然后送到读缓冲区'正因为文本方式有''\n''''''\r\n''之间的转换'其存在转换耗时'二进制读写时'其不存在任何转换'直接将写缓冲区中数据写入文件'

总地来说'从编程的角度来说''中文本或二进制读写都是缓冲区与文件中二进制流的交互'只是文本读写时有回车换行的转换'所以当写缓冲区中无换行符 ''\n''(0AH)'文本写与二进制写的结果是一样的'同理'当文件中不存在''\r\n''(0DH0AH)时'文本读与二进制读的结果一样'

五、实例

5678的存储形式为'ASCII码' 00110101 00110110 00110111 00111000 '四个字节'

5678的存储形式为'二进制' 00010110 00101110 '两个字节'

二进制文件和文本文件的唯一差异就是前者含有一些非标准输出的ASCII码。0x01就是非标准输出的ASCII码'0x61就是标准输出的ASCII码。'