文本文件与二进制文件

Posted 2020-10-06 GGBeng

计算机文件分为两类：文本文件和二进制文件。

一、相关定义

　　特别的是，文本文件是指以ASCII码方式(也称文本方式)存储的文件，更确切地说，英文、数字等字符存储的是ASCII码，而汉字存储的是机内码。文本文件中除了存储文件有效字符信息（包括能用ASCII码字符表示的回车、换行等信息）外，不能存储其他任何信息。

　　文本文件是一种由若干行字符构成的计算机文件。文本文件存在于计算机文件系统中。通常，通过在文本文件最后一行后放置文件结束标志来指明文件的结束。

　　文本文件是指一种容器，而纯文本是指一种内容。文本文件可以包含纯文本。

　　一般来说，计算机文件可以分为两类：文本文件和二进制文件。

　　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)。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。

 

二、两者的区别

要弄明白二者的区别，需要知道文件的读写过程。

读文件：实际上是“磁盘→文件缓冲区→应用程序内存空间”这两个转化过程！

我们说“文本文件和二进制文件没有区别”，实际上针对的是第一个过程；既然没有区别，那么打开方式不同，为何显示内容就不同呢？这个区别实际上是第二个过程造成的。

文件实际上包括两部分，控制信息和内容信息。纯文本文件仅仅是没有控制格式信息罢了；实际上也是一种特殊的二进制文件。所以，我们很难区分二者的不同，因为他们的概念上不是完全互斥的。

我们说文本文件是特殊的二进制文件，是因为文本文件实际上的解释格式已经确定了：ASCII或者unicode编码。文本文件的一个缺点是，它的熵往往较低，也就是说，其实本可以用更小的存储空间记录这些信息。比如，文本文件中的一个数字65536，需要用5个字节来存储；但是用二进制格式，采用int存储，仅仅需要2个字节。而二进制文件elf和bmp等，都往往有一个head，告诉你文件信息和解释方式。

至于“文本文件可以按行操作，即一行一行的操作，而二进制就只能按字节块了”，这个说法则是完全错误的。

 

三、文本文件和二进制文件在存储时的区别

1. 二进制文件是把内存中的数据按其在内存中的存储形式原样输出到磁盘上存放，也就是说存放的是数据的原形式。
2. 文本文件是把数据的终端形式的二进制数据输出到磁盘上存放，也就是说存放的是数据的终端形式。

　　我们有必要把需要存储的数据分为字符数据和非字符数据两类。当你有数据要存储的时候．首先要考虑的问题并不是你要选择用二进制文件还是文本文件来进行存储，而是首先得考虑你要存储的数据是字符数据还是非字符数据．在此基础上再讨论应该选择用什么文件进行存储为好。

（1）如果要存储字符数据，无论是放在文本文件还是放在二进制文件中都和内存中的数据形式是没有区别的．同样也和终端形式没有区别。那么在存储和显示的特性上也没有任何区别，不浪费存储空间也不浪费转换时间。所以如果一个文件只存放字符数据，那么讨论该文件是用文本文件或是二进制文件是没有任何意义的。

（2）如果要存储非字符数据，则情况要复杂一些。

1. 如果您需要频繁地保存和访问数据．那么应该采用二进制文件进行存放，这样可以节省存储空间和转换时间。
2. 如果您需要频繁地向终端显示数据或从终端读人数据，那么应该采用文本文件进行存放，这样可以节省转换时间。

（3）如果要存储的数据中既有字符数据又有非字符数据那么要怎么办呢?那就要综合上述两点进行权衡以找到最佳平衡点了

　　总结：字符数据本身在内存中就经过了编码，所以无论是二进制还是文本形式都是一样的，而对于非字符数据来说，例如inti=10；如果用二进制来进行存储的话为1010，但是如果需要用文本形式来进行存储的话就必须进行格式化编码（对1和0分别编码，即形式为‘1’和‘0’分别对应的码值）。