WAV文件讀取

WAV是一種以RIFF爲基礎的無壓縮音頻編碼格式，該格式以Header、Format Chunk及Data Chunk三部分構成。

本文簡要解析了各部分的構成要素，概述瞭如何使用C++對文件頭進行解析以及提取音頻數據。

上圖展現了WAV文件格式，包括每一field的大小與端序

Header

• ChunkID： 4字節大端序。文件今後處開始，對於WAV或AVI文件，其值總爲「RIFF」。
• ChunkSize： 4字節小端序。表示文件總字節數減8，減去的8字節表示ChunkID與ChunkSize自己所佔字節數。
• Format： 4字節大端序。對於WAV文件，其值總爲「WAVE」

Format Chunk

• Subchunk1ID： 4字節大端序。其值總爲「fmt 」，表示Format Chunk今後處開始。
• Subchunk1Size： 4字節小端序。表示Format Chunk的總字節數減8。
• AudioFormat： 2字節小端序。對於WAV文件，其值總爲1。
• NumChannels： 2字節小端序。表示總聲道個數。
• SampleRate： 4字節小端序。表示在每一個通道上每秒包含多少幀。
• ByteRate： 4字節小端序。大小等於SampleRate * BlockAlign，表示每秒共包含多少字節。
• BlockAlign： 2字節小端序。大小等於NumChannels * BitsPerSample / 8， 表示每幀的多通道總字節數。
• BitsPerSample： 2字節小端序。表示每幀包含多少比特。

Data Chunk

• Subchunk2ID： 4字節大端序。其值總爲「data」，表示Data Chunk今後處開始。
• Subchunk2Size： 4字節小端序。表示data的總字節數。
• data： 小端序。表示音頻波形的幀數據，各聲道按幀交叉排列。

使用C++解析WAV文件

文件頭結構

定義結構體WaveHeader來保存WAV文件頭，即Header、Format Chunk及Data Chunk的非data部分，此外在該結構體中添加了num_frame字段，用來保存文件總幀數，因爲Header、Format Chunk與Data Chunk之間可能有其餘說明信息，因此還添加了start_pos字段用來保存真正的data開始的位置。

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;
};

提取文件頭

/*
* fname： 文件路徑
* wh： 用來保存文件頭的結構體實例
*/
void getHead(string fname, WaveHeader &wh) {

    /*
    *因爲事先並不知道文件大小，故定義足量大小的char數組覆蓋文件頭
    *以後可根據提取到的ChunkSize來定義提取音頻數據用的數組
    */
    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);
    

    //記錄文件讀取位置
    int pos = 0;


    //尋找「RIFF」標記
    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;
    }

    //讀取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;


    //尋找「fmt」標記
    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;
    }

    //讀取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;


    //尋找「data」標記
    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;
    }

    //讀取Data Chunk的非data部分
    wh.data_chunk_size = *(int *)&buf[pos];
    pos += 4;

    //記錄真正音頻數據的開始位置
    wh.start_pos = pos;

    //計算文件總幀數
    wh.num_frame = wh.data_chunk_size / (wh.num_channels*(wh.bits_per_sample / 8));
}

提取波形數據(data)

/*
* fname： 文件路徑
* wh： 對應的文件頭結構體實例
*/
void getData(string fname, WaveHeader &wh){

    //記錄文件讀取位置
    int pos = wh.start_pos;


    //爲加快處理速度，根據ChunkSize將文件一次讀入內存
    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);


    //以每幀2字節爲例
    short left_data;
    short right_data;

    while(pos < wh.start_pos + wh.data_chunk_size){
        left_data = *(short*)&file_data[pos];
        //TODO: 處理左聲道數據
        pos += 2；

        right_data = *(short*)&file_data[pos];
        //TODO: 處理右聲道數據
        pos += 2;
    }
}