前言

最近在用Java做一個文件格式轉(zhuǎn)化的工具（github地址：https://github.com/lhing17/waterConverter.git）谊迄，希望通過簡單的調(diào)用實現(xiàn)一些常用格式間的互相轉(zhuǎn)換，實質(zhì)上是一些處理不同文件格式的工具包的整合氓辣。借此機會诵次，也對Java怎么處理不同格式的文件有了更深入的了解账蓉，希望寫一系列的文章作為記錄。作為開篇逾一，先來聊一聊什么是二進制文件铸本，以及二進制文件到底是怎么存儲信息的。

文本文件 vs 二進制文件

我們常說遵堵，文件分為文本文件和二進制文件箱玷，這其實是一種很糙的分類方式。文件是文本文件還是二進制文件陌宿，這是邏輯上的概念锡足，而不是物理上的概念。在物理上壳坪，文件都是基于二進制來存儲的舶得，文件存儲的基本單位是字節(jié)，每個字節(jié)由8個二進制位組成爽蝴。如果整個文件能夠被某種軟件全部解碼為字符串沐批，我們就認為這個文件是文本文件纫骑。也就是說，文本文件是一種特殊的二進制文件珠插。

同樣道理惧磺，某種二進制文件如果可以按照位圖的方式去解碼颖对，它就可以顯示為一張圖片捻撑；如果可以按照
MPEG-3的規(guī)則解碼，它就可以播放為音頻缤底。一些常見的文件格式顾患，都是使用其相應(yīng)的規(guī)范進行編碼的。因此个唧，我們可以根據(jù)規(guī)范編寫相應(yīng)解碼的軟件江解，用于讀取這些格式的文件。也有一些二進制文件的編碼格式是程序開發(fā)者自定義的徙歼，這樣的文件對于普通的用戶來說就幾乎是保密的犁河。

規(guī)范的二進制文件通常都是由多個多字節(jié)的序列組成的，每個多字節(jié)的序列承載一部分信息魄梯。我們以Java的Class文件為例桨螺，Class文件是以無符號數(shù)和表兩種結(jié)構(gòu)來存儲信息。

無符號數(shù)屬于基本數(shù)據(jù)類型酿秸，以u1灭翔、u2、u4辣苏、u8來分別代表1個字節(jié)肝箱、2個字節(jié)、4個字節(jié)和8個字節(jié)的無符號數(shù)稀蟋，無符號數(shù)可以用來描述數(shù)字煌张、索引引用、數(shù)量值或者按照UTF-8編碼構(gòu)成字符串值退客。
表是由多個無符號數(shù)或者其他表作為數(shù)據(jù)項構(gòu)成的復(fù)合數(shù)據(jù)類型唱矛，為了便于區(qū)分，所有表的命名都習(xí)慣性地以“_info”結(jié)尾井辜。表用于描述有層次關(guān)系的復(fù)合數(shù)據(jù)绎谦，整個Class文件本質(zhì)上也可以視作是一張表，這張表由下表所示的數(shù)據(jù)項按嚴(yán)格順序排列構(gòu)成粥脚。

表1 Class文件格式

使用Hexdump類工具查看二進制文件

有的時候窃肠，為了開發(fā)方便，我們需要去查看二進制文件的結(jié)構(gòu)刷允。前面提到冤留，二進制文件的基本單位是字節(jié)碧囊，一個字節(jié)是由8個二進制位（0或1）組成的。二進制書寫和閱讀起來都很不方便纤怒，為了讀寫方便糯而，我們通常把二進制轉(zhuǎn)化為16進制。16是2的4次方泊窘，因此一個16進制數(shù)可以代表4個2進制位熄驼。這樣，我們就可以用兩個16進制數(shù)來代表一個字節(jié)烘豹。有一些工具可以用來查看文件的16進制表示瓜贾，如Hexdump。Hexdump最初是linux系統(tǒng)上的命令携悯，現(xiàn)在VSCode等工具都提供了hexdump的插件祭芦。

圖1 VSCode hexdump插件查看文件效果圖

image.png

如上圖，左側(cè)是二進制文件的16進制表示憔鬼，右側(cè)是嘗試解碼為字符的表示龟劲。

little-endian vs big-endian

當(dāng)我們使用多個字節(jié)的序列來承載信息時，就出現(xiàn)了字節(jié)存儲順序的問題轴或。我們可以把高位字節(jié)放在前面昌跌，也可以把低位字節(jié)放在前面，這就是我們平時說的little-endian和big-endian侮叮。

1）Little-endian：將低序字節(jié)存儲在起始地址（低位編址）
2）Big-endian：將高序字節(jié)存儲在起始地址（高位編址）

舉個例子：
我們有一個整型數(shù)據(jù)1避矢，它在內(nèi)存中占據(jù)了四個字節(jié)的空間，它的16進制表示為：

0x00 00 00 01

在內(nèi)存中怎么存儲呢?
如果你的CPU是intel x86架構(gòu)的(基本上就是通常我們說的奔騰cpu),那么就是0x01 0x00 0x00 0x00 , 這也就是所謂的little-endian, 低字節(jié)存放在內(nèi)存的低位囊榜。如果你的CPU是老式AMD系列的(很老很老的那種审胸，因為最新的AMD系列已經(jīng)是x86架構(gòu)了), 它的字節(jié)序就是big-endian, 其內(nèi)存存儲就是 0x00 0x00 0x00 0x01在內(nèi)存中從高字節(jié)開始存放。

Java是big-endian還是little-endian?

Java默認采用big-endian方式卸勺，如各種讀寫流中的readInt()方法都是從高位到低位讀取四個字節(jié)轉(zhuǎn)化為整數(shù)砂沛。如果文件的讀寫都是通過Java來實現(xiàn)的，我們通常不需要去關(guān)注字節(jié)序的問題曙求。但是如果與那些不是使用Java編寫的程序交換數(shù)據(jù)文件時碍庵，就需要考慮字節(jié)序的問題了。

參考文獻

周志明《深入理解Java虛擬機》
Big Endian 和 Little Endian 詳解悟狱。原文鏈接：https://blog.csdn.net/waitingbb123/java/article/details/80504093