js操作二进制文件

发表于 | 分类于

我们在日常业务开发以及架构工具、框架时经常会遇到图片处理、视频处理等等情况，那么js代码到底处理的是什么呢？

一、几种常用数据存储单位的转换

在计算机内部，所有信息最终都是一个二进制值。

单位 可选值 意义
Bit(位) 0 1 电脑记忆体中最小的单位，在二进制电脑系统中，每一bit可以代表0或1的数位讯号
Byte(字节) 01010101 一个byte由8 bits组成，可代表一个字元(A~Z)、数字(0~9)、或符号(,.?!@#$%^&*/)，是记忆体储存资料的基本单位
ASCII 0~2^8-1 上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。ASCII码一共规定了128个字符的编码，如空格是32(00100000)。这128个符号，只占用了一个字节的后面7位，前面统一规定为0
Unicode(万国码) 0x0000~0x10FFFF 将世界上所有的符号都纳入其中，现在可以容纳100多万个符号，每个符号的编码都不一样：u0639表示阿拉伯字母Ain，u0041表示英语的大写字母A，u4E25表示汉字严。具体符号对应可查阅https://home.unicode.org/
UTF-8 单字节 0x7F->0xxxxxxx (兼容ASCII) UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8 是 Unicode 的实现方式之一。
UTF-8 双字节 0x80~0x7FF->110xxxxx 10xxxxxx x表示0或1
UTF-8 三字节 0x800~0xFFFF-> 1110xxxx 10xxxxxx 10xxxxxx x表示0或1
UTF-8 四字节 0x10000~0x1FFFFF-> 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx x表示0或1

还有UTF-16、UTF-32等等。

1、UTF-8的产生是因为它之前的两个码存在一些存储和区分的问题：

  • 由于ASCII码和unicode码都是存储的二进制，那么如何才能区分二者呢，计算机怎么知道三个字节代表一个符号还是三个符号？

  • 如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前肯定有2～3个字节都是0，对于存储来说是极大的浪费，文本大小也会大出2、3倍。

2、单位换算：

1B = 1 byte = 8 bits

1KB = 1024 bytes = 2^10 bytes

1MB = 1024KB = 2^20 bytes

1GB = 1024MB = 2^30 bytes

3、UTF-8的编码规则

UTF-8是一种变长的编码方式，他可以使用1～4个字节表示一个符号，根据不同的符号而变化字节长度。

特点如下：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码，因此对于英文字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号(n>1)，第一个字节的前n位都设置为1，第n+1位设置为0，后面字节的前两位一律设置为10，剩下的没有体积的二进制位，全部为这个符号的unicode码。

4、一个简单的各个编码之间的转换例子：

图片

  • 37240代表十进制的”酸”的ASCII码。charCodeAt返回 0～65535 之间的整数。
  • 9178代表十六进制的”酸”的ASCII码。
  • 十六进制的”酸”的ASCII码 + \u 又转回了文字。

二、ArrayBuffer

ArrayBuffer对象、TypedArray对象、DataView对象是JavaScript操作二进制数据的一个接口.

ArrayBuffer是用来表示通用的，固定长度的原始二进制数据缓冲区，不能直接对其进行操作，要通过类型数组对象或DataView来操作，它们把缓冲区的数据表示成特定的格式，并通过这些格式来读写缓冲区的内容。

1
    new ArrayBuffer(length) //length指要创建的ArrayBuffer的大小，单位为字节(byte)。

TypedArray支持9种数据格式的视图: Unit8Array(无符号8位整数)数组视图、Int16Array(16位整数)数组视图、Float32Array(32位浮点数)数组视图等。

DataView可以自定义格式和字节序。

参考文档： bit/byte/ascii/unicode

二进制数组