第23章序列化与音频处理

课程目录第23章序列化与音频处理

23、序列化与音频处理：WAV文件格式的序列化与解析

音频文件，说白了就是一堆数字。但要让这些数字能被播放器识别，就得按规矩来。WAV格式，就是最经典的一种规矩。

我个人习惯把WAV看作一个「带头的包裹」——头部告诉播放器：这音频是啥采样率、多少位深、几个声道。后面才是真正的音频数据。解析WAV，本质上就是把这个包裹拆开，把头部信息读出来，再把音频数据按规则还原。

WAV文件结构概览

WAV文件遵循RIFF（Resource Interchange File Format）规范。它的结构很简单，就是一个个「块」（Chunk）拼接而成。

核心结构如下：

偏移地址	长度（字节）	内容	说明
0x00	4	"RIFF"	RIFF标识
0x04	4	文件总长度 - 8	小端存储
0x08	4	"WAVE"	WAV格式标识
0x0C	4	"fmt "	格式块标识（注意有空格）
0x10	4	格式块长度	通常为16（PCM）
0x14	2	音频格式	1表示PCM
0x16	2	声道数	1=单声道，2=立体声
0x18	4	采样率	如44100
0x1C	4	字节率	采样率 × 块对齐
0x20	2	块对齐	声道数 × 位深/8
0x22	2	位深	如16、24、32
0x24	4	"data"	数据块标识
0x28	4	音频数据长度	字节数
0x2C	N	音频数据	PCM采样值

关键点：WAV头部固定为44字节（标准PCM格式）。但有些工具会写入额外信息块（如"LIST"、"fact"），所以解析时不能硬编码偏移量，必须按块标识来查找。

用C语言序列化WAV头部

序列化，就是把结构体数据按字节顺序写入文件。WAV头部用C结构体表示非常自然。

#include <stdint.h>

// 注意：需要按1字节对齐
#pragma pack(push, 1)
typedef struct {
    char     riff_id[4];       // "RIFF"
    uint32_t file_size;        // 文件总长度 - 8
    char     wave_id[4];       // "WAVE"
    char     fmt_id[4];        // "fmt "
    uint32_t fmt_size;         // 格式块长度（16）
    uint16_t audio_format;     // 音频格式（1=PCM）
    uint16_t num_channels;     // 声道数
    uint32_t sample_rate;      // 采样率
    uint32_t byte_rate;        // 字节率
    uint16_t block_align;      // 块对齐
    uint16_t bits_per_sample;  // 位深
    char     data_id[4];       // "data"
    uint32_t data_size;        // 音频数据长度
} wav_header_t;
#pragma pack(pop)

我的经验：结构体对齐是个坑。我曾在ARM Cortex-M上吃过亏——默认4字节对齐，导致结构体成员之间出现填充字节，写出来的WAV文件播放器根本不认。所以一定要用 #pragma pack(push, 1) 强制1字节对齐。

序列化函数很简单：

int wav_serialize(const wav_header_t *header, const int16_t *samples, 
                  uint32_t sample_count, const char *filename) {
    FILE *fp = fopen(filename, "wb");
    if (!fp) return -1;

    // 写入头部
    fwrite(header, sizeof(wav_header_t), 1, fp);

    // 写入音频数据
    fwrite(samples, sizeof(int16_t), sample_count, fp);

    fclose(fp);
    return 0;
}

嗯，这里要注意：data_size 字段必须等于 sample_count * sizeof(int16_t)，否则播放器会报错。

解析WAV文件

解析就是序列化的逆过程。但有个问题——你不能假设文件一定从偏移44字节开始就是数据。我遇到过一些软件生成的WAV，在"fmt"和"data"之间插入了"LIST"块（包含作者、录音日期等信息）。

所以，正确的做法是：

读取RIFF头部，验证是WAV格式
读取"fmt "块，获取音频参数
跳过所有非"data"的块，直到找到"data"块
读取音频数据

int wav_parse(const char *filename, wav_header_t *header, 
              int16_t **samples, uint32_t *sample_count) {
    FILE *fp = fopen(filename, "rb");
    if (!fp) return -1;

    // 读取RIFF头部
    fread(header, 1, sizeof(wav_header_t), fp);

    // 验证RIFF和WAVE标识
    if (memcmp(header->riff_id, "RIFF", 4) != 0 ||
        memcmp(header->wave_id, "WAVE", 4) != 0) {
        fclose(fp);
        return -2;
    }

    // 跳过非data块
    while (1) {
        char chunk_id[4];
        uint32_t chunk_size;

        fread(chunk_id, 1, 4, fp);
        fread(&chunk_size, 4, 1, fp);

        if (memcmp(chunk_id, "data", 4) == 0) {
            // 找到数据块
            *sample_count = chunk_size / sizeof(int16_t);
            *samples = (int16_t*)malloc(chunk_size);
            fread(*samples, 1, chunk_size, fp);
            break;
        } else {
            // 跳过当前块
            fseek(fp, chunk_size, SEEK_CUR);
        }
    }

    fclose(fp);
    return 0;
}

我曾经踩过的坑：有些WAV文件的"data"块大小字段写的是0，但实际后面有数据。这是因为某些录音软件先写头部，再写数据，最后才更新data_size。遇到这种情况，你得用文件总长度减去当前偏移量来计算数据长度。

WAV序列化与解析的完整流程

下面这张图，把整个流程串起来了：

实战：生成一个1kHz正弦波WAV文件

光说不练假把式。我们来生成一个1kHz的正弦波，采样率44100，16位，单声道，时长1秒。

#include <math.h>
#include <stdio.h>
#include <stdint.h>
#include <string.h>

#define SAMPLE_RATE 44100
#define DURATION    1.0
#define FREQUENCY   1000.0
#define AMPLITUDE   0.8

int main() {
    wav_header_t header;
    uint32_t sample_count = (uint32_t)(SAMPLE_RATE * DURATION);
    int16_t *samples = (int16_t*)malloc(sample_count * sizeof(int16_t));

    // 填充头部
    memcpy(header.riff_id, "RIFF", 4);
    header.file_size = 36 + sample_count * sizeof(int16_t);
    memcpy(header.wave_id, "WAVE", 4);
    memcpy(header.fmt_id, "fmt ", 4);
    header.fmt_size = 16;
    header.audio_format = 1;  // PCM
    header.num_channels = 1;
    header.sample_rate = SAMPLE_RATE;
    header.bits_per_sample = 16;
    header.block_align = header.num_channels * header.bits_per_sample / 8;
    header.byte_rate = header.sample_rate * header.block_align;
    memcpy(header.data_id, "data", 4);
    header.data_size = sample_count * sizeof(int16_t);

    // 生成正弦波
    for (uint32_t i = 0; i < sample_count; i++) {
        double t = (double)i / SAMPLE_RATE;
        double value = sin(2.0 * M_PI * FREQUENCY * t) * AMPLITUDE;
        samples[i] = (int16_t)(value * 32767);
    }

    // 序列化到文件
    if (wav_serialize(&header, samples, sample_count, "sine_1khz.wav") == 0) {
        printf("WAV文件生成成功！\n");
    }

    free(samples);
    return 0;
}

我的一点建议：生成正弦波时，注意不要削顶。如果振幅超过1.0，采样值会超过int16_t的范围，播放出来就是刺耳的失真。我在调试音频算法时，经常先用正弦波验证通路是否正常——如果正弦波听起来有毛刺，那肯定是哪里溢出了。

避坑指南

字节序问题：WAV使用小端字节序。在x86上没问题，但在大端处理器（如某些网络芯片）上，需要手动转换。
data_size为0：有些文件data_size字段写0，实际数据在文件末尾。可以用文件总长度减去当前偏移量来补救。
非PCM格式：WAV也支持压缩格式（如ADPCM），此时fmt块长度大于16，且audio_format不为1。解析时要注意。
内存分配：解析大文件时，不要一次性malloc整个音频数据。我建议分块读取，或者用mmap映射文件。

WAV格式的序列化与解析，说白了就是「按规矩读写字节」。规矩清楚了，代码自然就写对了。下次遇到播放器不认你的WAV文件，先检查头部字节对不对——八成是结构体对齐或者data_size算错了。

公众号:蓝海资料掘金营，微信deep3321

📚 课程目录

23、序列化与音频处理：WAV文件格式的序列化与解析

WAV文件结构概览

用C语言序列化WAV头部

解析WAV文件

WAV序列化与解析的完整流程

实战：生成一个1kHz正弦波WAV文件

避坑指南