Лекция 7. Форматы данных стандартных типов

Все данные в компьютере хранятся так, чтобы можно было надежно получать доступ к ним. Для этого многие производители программного обеспечения используют стандартные типы файлов, то есть такие, которые имеют открытое описание своего формата и доступ к которым может быть осуществлен и другими программами, которые также используют этот формат.

Например, подавляющее большинство программ-архиваторов помимо своего формата архива поддерживают открытый формат ZIP. Описание его доступно в интернете, а компания-разработчик стандарта PKWARE открыла исходный код (текст программ) для работы с архивами этого формата, его тоже можно свободно скачивать в Интернете (Info-Zip.org). Этот же формат используется для сжатия интернет-трафика. Большинство браузеров позволяют работать со сжатыми в таком формате данными и при соединении с сервером сообщают ему о этой своей готовности.

Один из алгоритмов метода сжатия (LZW) использует и стандарт файлов PDF.

Рис. 1. Пример данных PDF файла (Portable Document Format)

%PDF-1.1

1 0 obj

<<

/Filter [/ASCII85Decode /LZWDecode ]

/Length 459

>>

stream

...

endstream

endobj

На (Рис. ) показан пример такого файла. В нем в текстовом формате описываются разные объекты документа. К некоторым из них для сжатия могут применяться фильтры. Например, для чтения объекта 1 нужно применить фильтры ASCII85 и LZW. Сами двоичные данные объекта идут между строками stream и endstream.

Сам PDF с 1 июля 2008 года является открытым стандартом ISO 32000 и его тоже умеют понимать многие программы.

1. Определение типов данных

Во многих случаях тип данных, представленный в файле может быть определен из имени файла (в Windows – из расширения). В силу того, что на имя файла и расширение требований нет, их может быть бесконечно много. Некоторые типичные наименования для различных программ можно посмотреть в справочниках. Часть данных одного из них представлена в таблице.

Таблица 1. Пример описания расширений файлов (до буквы «c»)

Расширение	Содержание	Программа
!ut	Незавершенная закачка	μTorrent
$$$	Временный файл
$ED	Временный файл редактора	MS C
??_	Упакованный файл Microsoft	Expand
nnn	Тома архива Rar вплоть до 999	RAR
1CD	Файл базы данных 1С:Предприятия 8 (файловая версия)	1С:Предприятие 8
1ST	Usually README.1ST text file
386	Windows virtual device driver	Win
3DS	3D Studio Graphics format	3D Studio
3GP	3rd generation mobile video	Win
4MD	Musical file
7Z	Архив 7zip	7 zip
Ann	Многотомный ARJ архив	ARJ
ACE	Архив	WinACE
ACL	список автозамен	MS Office
ARC	Архив	ARC — PKARC/PKXARC — PKPAS — PKUNPAK — QUARK
ARC	Архив	SQUASH
ARJ	Архив	ARJ — ARJZ
BAK	Файл резервной копии
BAT	Файл команд DOS	DOS
BK?	Резервная копия
BMP	OS/2 или Win графический формат (BitMap Picture)	QPeg — CorelDraw — PC Paintbrush — и многие другие
BZ2	Архив bzip2	bzip2
C	Исходный текст программы на языке C	Watcom C/C++ и многие другие
C	Unix file archive	COMPACT
CAB	Сжатый файл Win 95	Win 95
CAS	Исходный текст программы на языке C со вставками на ASM	Turbo C
CDA	CD-Audio	Win95
DR	Рисунок в векторном формате	CorelDraw
CMD	Command	dBASE - Waffle
CMD	OS/2 batch/REXX file, Win cmd	Win, OS/2
CPP	C++ language source
CRK	Crack file (usually text)
CSS	Data file
CSV	Comma Separated Values text file format (ASCII)

Когда имя утрачено (файл переименован) или программой, которой принадлежит файл, специально используется нестандартное его наименование, возможно распознавание типа данных другими программами, рассчитанными на просмотр файлов разного типа.

В некоторых случаях программы, позволяющие получить доступ к документу (базе данных), использовать невозможно. Например, если данные находятся на диске, который доступен только для чтения, а программе нужен доступ для чтения-записи; если данные расположены в свободной области диска (не в файле) или были восстановлены из потерянной цепочки кластеров на диске. В таких случаях приходится ориентироваться на внутреннее представление данных, то есть на их форматы, и на специальную разметку, которую используют программы.

Иногда во внутреннем представлении возможно обнаружить сигнатуру данных – уникальную комбинацию байт, используемую для идентификации данных. Некоторые программы свои данные помечают сигнатурами для последующей проверки этого признака. Иногда сигнатура объяснима (например, содержит в себе название программы). Иногда число само по себе не несёт никакого смысла (автор программы мог свой день рождения закодировать). Подобные числа были иронично названы магическими, в настоящее время это название закрепилось как термин.

Например, любой откомпилированный класс языка Java начинается с «магического числа» 0xCAFEBABE. Сомнительно, чтобы это число было как-то связано с английским Cafe Babe.

Таблица 2. Примеры сигнатур некоторых типов файлов

Тип	Сигнатура файла	Положение
.rar	Rar!	В начале файла
.zip	PK	В начале архива, в начале каждого архивного файла, в начале оглавления в конце файла
.exe	MZ	В начале файла
.doc	РП в кодировке Windows	В начале файла
	Текст в Юникоде	С адреса A00
.jpg	JFIF	С адреса 06