文本文件和二進制文件的區別

文本文件：

 

文本文件是一種計算機文件，它是一種典型的順序文件，其文件的邏輯結構又屬於流式文件。

特別的是，文本文件是指以ASCII碼方式(也稱文本方式)存儲的文件，更確切地說，英文、數字等字符存儲的是ASCII碼，而漢字存儲的是機內碼。文本文件中除了存儲文件有效字符信息（包括能用ASCII碼字符表示的回車、換行等信息）外，不能存儲其他任何信息。

 

文本文件是一種由若干行字符構成的 計算機文件。文本文件存在於計算機文件系統中。通常，通過在文本文件最后一行后放置文件結束標志來指明文件的結束。

文本文件是指一種容器，而純文本是指一種內容。文本文件可以包含純文本。

一般來說，計算機文件可以分為兩類：文本文件和 二進制文件。[2]  

格式

ASCII

ASCII標准使得

文件

只含有ASCII字符的文本文件可以在 Unix、 Macintosh、 Microsoft Windows、 DOS和其它 操作系統之間自由交互，而其它格式的文件是很難做到這一點的。但是，在這些操作系統中，換行符並不相同，處理非ASCII字符的方式也不一致。

MIME

文本文件在MIME標准中的類型為“text/plain”，此外，它通常還附加編碼的信息。在Mac OS X出現前，當Resource fork指定某一個文件的類型為“TEXT”時，Mac OS就認為這個文件是文本文件。在Windows中，當一個文件的擴展名為“txt”時，系統就認為它是一個文本文件。此外，處於特殊的目的，有些文本文件使用其它的擴展名。例如，計算機的源代碼也是文本文件，它們的后綴是用來指明它的程序語言的。

.txt

.txt是包含極少格式信息的文字文件的擴展名。.txt格式並沒有明確的定義，它通常是指那些能夠被系統 終端或者簡單的 文本編輯器接受的格式。任何能讀取文字的程序都能讀取帶有.txt擴展名的文件，因此，通常認為這種文件是通用的、 跨平台的。

在英文文本文件中，ASCII字符集是最為常見的格式，而且在許多場合，它也是默認的格式。對於帶重音符號的和其它的非ASCII字符，必須選擇一種字符編碼。在很多系統中，字符編碼是由計算機的區域設置決定的。常見的字符編碼包括支持許多歐洲語言的 ISO 8859-1。

由於許多編碼只能表達有限的字符，通常它們只能用於表達幾種語言。 Unicode制定了一種試圖能夠表達所有已知語言的標准，Unicode字符集非常大，它囊括了大多數已知的字符集。Unicode有多種字符編碼，其中最常見的是 UTF-8，這種編碼能夠向后兼容ASCII，相同內容的的ASCII文本文件和UTF-8文本文件完全一致。

Windows的.txt文件

微軟的MS-DOS和Windows采用了相同的文本文件格式，它們都使用CR和LF兩個字符作為換行符，這兩個字符對應的ASCII碼分別為13和10。通常，最后一行文本並不以換行符(CR-LF標志)結尾，包括記事本在內的很多文本編輯器也不在文件的最后添加換行符。

大多數Windows文本文件使用ANSI、OEM或者Unicode編碼。Windows所指的ANSI編碼通常是1字節的ISO-8859編碼，不過對於像中文、日文、朝鮮文這樣的環境，需要使用2字節字符集。在過渡至Unicode前，Windows一直用ANSI作為系統默認的編碼。而OEM編碼，也是通常所說的MS-DOS代碼頁，是 IBM為早期IBM 個人電腦的文本模式顯示系統定義的。在全屏的MS-DOS程序中同時使用了圖形的和按行繪制的字符。新版本的Windows可以使用UTF-16LE和UTF-8之類的Unicode編碼。

數據存儲

由於結構簡單，文本文件被廣泛用於記錄信息。它能夠避免其它文件格式遇到的一些問題。此外，當文本文件中的部分信息出現錯誤時，往往能夠比較容易的從錯誤中恢復出來，並繼續處理其余的內容。文本文件的一個缺點是，它的 熵往往較低，也就是說，可以用較小的存儲空間記錄這些信息。

與二進制文件比較

定義

計算機的存儲在物理上是二進制的，所以文本文件與二進制文件的區別並不是物理上的，而是邏輯上的。這兩者只是在編碼層次上有差異。

簡單來說，文本文件是基於字符編碼的文件，常見的編碼有ASCII編碼，UNICODE編碼等等。二進制文件是基於值編碼的文件，你可以根據具體應用，指定某個值（可以看作是自定義編碼）。

從上面可以看出文本文件基本上是定長編碼的(也有非定長的編碼如UTF-8)，基於字符，每個字符在具體編碼中是固定的，ASCII碼是8個比特的編碼，UNICODE一般占16個比特。而二進制文件可看成是變長編碼的，因為是值編碼，多少個比特代表一個值，完全由自己決定。

存取

文本工具打開一個文件，首先讀取文件物理上所對應的二進制比特流，然后按照所選擇的解碼方式來解釋這個流，然后將解釋結果顯示出來。一般來說，你選取的解碼方式會是ASCII碼形式（ASCII碼的一個字符是8個比特），接下來，它8個比特8個比特地來解釋這個文件流。記事本無論打開什么文件都按既定的字符編碼工作（如ASCII碼），所以當他打開二進制文件時，出現亂碼也是很必然的一件事情了，解碼和譯碼不對應。

文本文件的存儲與其讀取基本上是個逆過程。而二進制文件的存取與文本文件的存取差不多，只是編/解碼方式不同而已。

優缺點

因為文本文件與二進制文件的區別僅僅是編碼上不同，所以他們的優缺點就是編碼的優缺點。一般認為，文本文件編碼基於字符定長，譯碼容易；二進制文件編碼是變長的，所以它靈活，存儲利用率要高些，譯碼難一些（不同的二進制文件格式，有不同的譯碼方式）。

在windows下，文本文件不一定是ASCII來存貯的，因為ASCII碼只能表示128的標識，打開一個txt文檔，然后另存為，有個選項是編碼，可以選擇存貯格式，一般來說UTF-8編碼格式兼容性要好一些。而二進制用的計算機原始語言，不存貯兼容性。

 

 

 

二進制文件：

 

定義

廣義的二進制文件即指文件，由文件在 外部設備的存放形式為二進制而得名。狹義的二進制文件即除文本文件以外的文件。文本文件是一種由很多行 字符構成的 計算機文件。文本文件存在於 計算機系統中，通常在文本文件最后一行放置文件結束標志。文本文件的 編碼基於字符定長， 譯碼相對要容易一些；二進制文件 編碼是變長的，靈活利用率要高，而譯碼要難一些，不同的二進制文件譯碼方式是不同的。

從本質上來說他們之間沒有什么區別，因為他們在 硬盤上都有一種的存放方式--二進制，但是如果要對他們有些區分的話，那可以這樣理解。每個 字符由一個或多個 字節組成，每個字節都是用的-128—127之間的部分數值來表示的，也就是說，-128——127之間還有一些數據沒有對應任何字符的任何字節。如果一個文件中的每個 字節的內容都是可以表示成 字符的數據，我們就可以稱這個文件為文本文件，可見，文本文件只是二進制文件中的一種特例，為了與文本文件相區別，人們又把除了文本文件以外的文件稱為二進制文件，由於很難嚴格區分文本文件和二進制文件的概念，所以我們可以簡單地認為，如果一個文件專門用於存儲文本字符的數據，沒有包含字符以外的其他數據，我們就稱之為文本文件，除此之外的文件就是二進制文件。

使用二進制文件的好處

為什么要使用二進制文件。原因大概有三個：
　　第一是二進制文件比較節約空間，這兩者儲存字符型數據時並沒有差別。但是在儲存數字，特別是實型數字時，二進制更節省空間，比如儲存 Real*4 的數據：3.1415927，文本文件需要 9 個字節，分別儲存：3 . 1 4 1 5 9 2 7 這 9 個 ASCII 值，而二進制文件只需要 4 個字節（DB 0F 49 40）
　　第二個原因是，內存中參加計算的數據都是用二進制無格式儲存起來的，因此，使用二進制儲存到文件就更快捷。如果儲存為文本文件，則需要一個轉換的過程。在數據量很大的時候，兩者就會有明顯的速度差別了。
　　第三，就是一些比較精確的數據，使用二進制儲存不會造成有效位的丟失。[1]  

二進制文件的儲存方式

列舉一個二進制文件如下：

00000000h:0F 01 00 00 0F 03 00 00 12 53 21 45 58 62 35 34; .........S!EXb54

00000010h:41 42 43 44 45 46 47 48 49 47 4B 4C 4D 4E 4F 50; ABCDEFGHIGKLMNOP

這里列出的是在 UltraEdit（UE） 里看到的東西。其實只有紅色部分是文件內容。前面的是 UE 加入的行號。后面的是 UE 嘗試解釋為字符型的參考。
　　這個文件一共有 32 字節長。顯示為兩列，每列 16 個字節。實際上，這僅僅是 UE 的顯示而已。真實的文件並不分行。僅僅知道這個文件的內容，如果我們沒有任何說明的話，是不能看出任何有用信息的。
　　下面我規定一下說明：我們認為，前 4 個字節是一個 4 字節的整型數據（0F 01 00 00 十六進制：10Fh 十進制：271）。這 4 個字節之后的 4 個字節是另一個 4 字節的整型數據（0F 03 00 00 十六進制：30Fh 十進制：783）。其后的 4 個字節（12 53 21 45 ）表示一個 4 字節的實型數據：2.5811919E+3。再其后的 4 個字節（58 62 35 34）表示另一個 4 字節的實行數據：1.6892716E-7。而只后的 16 個字節（41 42 43 44 45 46 47 48 49 47 4B 4C 4D 4E 4F 50）我們認為是 16 個字節的字符串（ABCDEFGHIGKLMNOP）
　　實際上，二進制文件只是儲存數據，並不寫明數據類型，比如上面的第 9 字節到第 16 字節（12 53 21 45 58 62 35 34），我們剛才認為是 2 個 4 字節的實型，其實也可以認為是 8 個字節的字符型（ S!EXb54）。而后面的 16 個字節的字符串（ABCDEFGHIGKLMNOP），我們也可以認為是 2 個 8 字節的整型，或者 4 個 4 字節的整型，甚至 2 個 8 字節的實型，4 個 4 字節的實型，等等等等。
　　因此，面對一個二進制文件，我們不能准確地知道它的含義，我們需要他的數據儲存方式的說明。這個說明告訴我們第幾個字節到第幾個字節是什么類型的數據，儲存的數據是什么含義。否則的話，我們只能猜測，或者無能為力。[1]  

如何使用語句操作二進制文件

我們將上面的那個二進制文件保存為：TestBin.Bin 來舉例。
　　讀取和寫入二進制其實是兩個很類似的操作，了解了其中之一，另一個也就不難了。

二進制文件我們通常使用直接讀取方式，Open 語句可以寫為：

引用：

Open( 12 , File = 'TestBin.Bin' , Access = 'Direct' , Form = 'Unformatted' , RecL = 4 )

上面的 Access 表示直接讀取方式，Form 表示無格式儲存。比較重要的是 RecL 。我們讀取數據時，是用記錄來描述單位的，每一次讀入或寫入是一個記錄。記錄的長度在 Open 時就確定下來，以后不能改變。如果需要改變，只能 Close 以后再此 Open。
　　記錄長度在某些編譯器下表示讀取的 4 字節長度的倍數，規定為 4 表示記錄長度為 16 字節。有些編譯器下就直接表示記錄的字節數，規定為 4 則表示記錄長度為 4 字節。這個問題需要參考編譯器手冊。在 VF 系列里，這個值是前面一個含義。可以通過設置工程屬性的 Fortran，Data，Use Bytes as RECL= Unit for Unformatted Files 來改變，使之成為后一個含義。在命令行模式下，則使用 /assume:byterecl 這個編譯選項。
　　確定 RecL 大小是我們需要做的事情，一般來說，不適合太大，也不適合太小。還需要結合數據儲存方式來考慮。太小的話，我們需要執行讀寫的次數就多，太大的話，我們就不方便操作小范圍的數據。
　　有時候我們甚至會分多次來讀取數據，每一次的 RecL 都不同。對於上面的 TestBin.Bin 文件來說，它比較簡單，我以 16 字節長度和 8 字節長度兩種讀取方式來演示，你甚至可以一次 32 個字節長度全部讀完。[1]  

用例

C++程序語言學習過程中常見名詞，相對於Binary file的是Text file（ 純文本文件）。

C++中二進制文件讀寫函數：

fread	fwrite	ifstream.read()	ofstream.write()
文件讀	文件寫

等等……

Java中二進制文件讀寫函數：

FileInputStream()	FileOutputStream()
文件輸入流（）	文件輸出流（）

等等……

 

那么，這個時候我們肯定會問：

 

漢字怎樣轉化為二進制代碼？

 

各數制之間的轉換 

　　我們用R表示任何數制的基數，討論各數制之間的轉換。 

　　1.R進制數轉換為十進制數 

　　二進制、八進制和十六進制數轉換為等值的十進制數，只要把它們用多項式表示並在十進制下進行計算，所得的結果就是十進制數。 

　　2.十進制數轉換為R進制數 

　　十進制數轉換為等值的二進制、八進制和十六進制數，需要對整數部分和小數部分分別進行轉換。其整數部分用連續除以基數R取余數的方法來完成，小數部分用連續乘以基數R取整數的方法來實現。 

　　　　　基數　　 基數　　 基數　　　基數　　 基數 

十進制　　10000　　1000　　　100　　　10　　　　1 

二進制　　　16　　　　8　　　　4　　　　2　　　 1 

八進制　　4096　　　512　　　　64　　　8　　　　1 

十六進制　65536　　4096　　　256　　　16　　　　1 

　　3.二進制數與八進制數、十六進制數的轉換 

　　二進制數與八進制數的轉換應以"3位二進制數對應1位八進制數"%的原則進行。同理，因為24=16，則二進制數與十六進制數的轉換應以"4位二進制數對應1位十六進制數"的原則進行。 

　　四、二進制數的運算 

　　在計算機中，二進制數的運算包括算術運算和邏輯運算。 

　　1.二進制數的算術運算 

　　(1)二進制數加法 

　　加法原則：逢二進一 

　　(2)二進制數減法 

　　減法原則：借一當二 

　　(3)二進制數乘法 

　　乘法原則：與算術乘法形式相同 

　　(4)二進制數除法 

　　除法原則：與算術除法形式相同 

　　2.二進制數的邏輯運算 

　　邏輯運算是以二進制數為基礎的，邏輯變量只有兩個，用來表示邏輯"真"和"假"。 

　　(1)邏輯加法("或"運算) 

　　運算符號："＋"或"∨" 

　　運算規則：0+0=0；0+1=1；1+0=1；1+1=1； 

　　(2)邏輯乘法("與"運算) 

　　運算符號："×"或"∧" 

　　運算規則：0×0=0；0×1=0；1×0=0；1×1=1； 

　　(3)邏輯"非"運算 

　　運算符號："-"%運算規則：A&-*=0時，A=1 

　　五、數據類型及數據單位 

　　1.數據的兩種類型 

　　計算機中的數據可概括分為兩大類：數值型數據和字符型數據。所有的非數值型數據都要經過數字化后才能在計算機中存儲和處理。 

　　2.數據單位 

　　在計算機中通常使用三個數據單位：位、字節和字。位的概念是：最小的存儲單位，英文名稱是bit，常用小寫b或bit表示。用8位二進制數作為表示字符和數字的基本單元， 

　　英文名稱是byte，稱為一字節。通常用大"B"表示。 

　　1B(字節)=8b(位) 

　　1KB(千字節)=1024B(字節) 

　　1MB(兆字節)=1024KB(千字節) 

　　字長：字長也稱為字或計算機字，它是計算機能並行處理的二進制數的位數。 

　　六、字符編碼與漢字編碼 

　　1.字符編碼 

　　目前微型機中普遍采用的字符編碼是ASCII碼。它是用七位二進制數對127個字符進行編碼，其中前32個是一些不可打印的控制符號。 

　　2.漢字編碼及字模信息 

　　漢字有兩種編碼：國標碼與機內碼。 

　　國標碼是"中華人民共和國國家標准信息交換漢字編碼"，代號為"GB2312-80"。在國標碼的字符集中，收集了一級漢字3755個，二級漢字3008個，圖形符號682個，共7445個。一個漢字對應一個區位碼，由四位數字組成，前兩位數字為區碼(0～94)，后兩位數字為位碼(0～94)。機內碼是指漢字在計算機中的編碼 

　　漢字的機內碼占兩個字節，分別稱為機內碼的高位與低位。它們與區位碼的關系如下： 

　　機內碼高位=區碼+A0H 

　　機內碼低位=位碼+A0H 

　　漢字字庫是由所有漢字的字模信息構成的。一個漢字字模信息占若干字節，究竟占多少個字節由漢字的字形決定。 

　　例如，如果用16×16點陣表示一個漢字，則一個漢字占16行，每行有16個點，在存儲時用兩個字節存放一行上16個點的信息，對應位為"0"表示該點為"白"，"1"表示該點為"黑"。因此，一個16×16點陣的漢字占32個字節。 

--------------------------------------------------------------- 

描述2進制的數據結構，用字符串直觀，但是效率低，用數組效率高，但是不直觀。 
但是道理相同。 

性字轉換后的結果: 
010000010000 010010010000 010010010100 111011111110 110010010000 010100010000 010011111110 010000010000 010000010000 010000010000 010111111110 000000000000 

144位編碼，這也不可能的， 

性字編碼alert asc("性")得到-12076，轉化為2進制為-10111100101100 不算正負有14位就夠了。 
如果非要補到144位也因該是高位補0。 

function c10to2(x) 
'10進制到2進制的轉換 
dim sign, result 
result = "" 
'符號 
sign = sgn(x) 
x = abs(x) 

if x = 0 then 
c10to2 = 0 
exit function 
end if 
do until x = "0" 
result = result & (x mod 2) 
x = x \ 2 
loop 
result = strReverse(result) 

if sign = -1 then 
c10to2 = "-" & result 
else 
c10to2 = result 
end if 
end function 

--------------------------------------------------------------- 

另外一個人的寫法： 

function c10to2(x) 
mysign=sgn(x) 
x=abs(x) 
DigS=1 

do 
if x<2^DigS








二進制編碼轉漢字：

1. 漢字信息交換碼（國標碼）
　　《信息交換用漢字 編碼字符集·基本集》是我國於1980年制定的國家標准 GB2312-80，代號為國標碼，是國家規定的用於漢字信息處理使用的代碼依據。
　 　GB2312-80中規定了信息交換用的6763個漢字和682個非漢字圖形符號(包括幾種外文字母、數字和符號)的代碼。
　　6763個漢字又按其 使用頻度、組詞能力以及用途大小分成一級常用漢字3755個和二級常用漢字3008個。
　　一級漢字按拼音字母順序排列；若遇同音字，則 按起筆的筆形順序排列；若起筆相同，則按第二筆的筆形順序排列，依次類推。所謂筆形順序，就是橫、豎、撇、點和折的順序。二級漢字按 部首順序排列。
　　在此標准中，每個漢字(圖形符號)采用雙字節表示。每個字節只用低7位，最高位恆為1。由於低7位中有34種狀態是用 於控制字符，因此，只有94(128-34=94)種狀態可用於漢字編碼。這樣，雙字節的低7位只能表示94×94=8836種狀態。

 

編碼范圍

 

二進制數碼

 

十進制數碼

 

 

基本 ASCII 碼    
00000000～01111111    
0～127    

 

控制字符    
00000000～00100000、01111111    
0～32、127    

 

可用漢字段    
00100001～01111110    
33～126 (1～94)    

 

擴充 ASCII 碼    
10000000～11111111    
128～255    

 

控制字符    
10000000～10100000、11111111    
128～160、255    

 

GB2312-80    
10100001～11111110    
161～254 (1～94)    

　　此標准的漢字編碼表有94行、94列，其行號稱為區號，列號稱為位號。雙字節中，用 高字節表示區號，低字節表示位號。非漢字圖形符號置於第1～11區，一級漢字3755個且於第16～55區，二級漢字3008個置於第56～87區。
　　每個圖形字符的漢字交換碼，均用兩個字節的低7位二進制碼表示。漢字國標碼通常用十六進制數表示。
　　例如：“中”字的區號為 54，位號為48，計算它的二進制數和十六進制數國標碼。
　　　　解：先將區、位號分別加上 32 ：
　　　　　　54+32=86
　　 　　　　48+32=80
　　　　分別轉換為二進制數：
　　　　　　(86)10=01010110
　　　　　　(80)10=0 1010000
　　得到二進制數國標碼為：
　　　　　　01010110 01010000。
　　最后通過 8 4 2 1 ── 二進制取位法轉換成十六 進制漢字國標碼為：5650。
　　又如“國”字的區號為25，位號為90，用以上相同的方法得到它的國標碼為：
　　二進制：00111001 01111010
　　十六進制：397A

----------------------------------------------------------------

基於以上原則，則

  11000100，11100011，10111010，11000011

>(1100 0100 1110 0011)2，(1011 1010 1100 0011)2

>(C4E3)16，(BAC3)16

>查表可知：C4E3>>‘你’，BAC3>>‘好’