文本档案--中文百科全书

简介

文本档案是一种由若干行字元构成的计算机档案。文本档案存在于计算机档案系统中。通常，通过在文本档案最后一行后放置档案结束标誌来指明档案的结束。

文本档案是指一种容器，而纯文本是指一种内容。文本档案可以包含纯文本。

一般来说，计算机档案可以分为两类：文本档案和二进制档案。

格式

ASCII

ASCII标準使得只含有ASCII字元的文本档案可以在Unix、Macintosh、Microsoft Windows、DOS和其它作业系统之间自由互动，而其它格式的档案是很难做到这一点的。但是，在这些作业系统中，换行符并不相同，处理非ASCII字元的方式也不一致。

档案

MIME

文本档案在MIME标準中的类型为“text/plain”，此外，它通常还附加编码的信息。在Mac OS X出现前，当Resource fork指定某一个档案的类型为“TEXT”时，Mac OS就认为这个档案是文本档案。在Windows中，当一个档案的扩展名为“txt”时，系统就认为它是一个文本档案。此外，处于特殊的目的，有些文本档案使用其它的扩展名。例如，计算机的原始码也是文本档案，它们的后缀是用来指明它的程式语言的。

.txt

.txt是包含极少格式信息的文字档案的扩展名。.txt格式并没有明确的定义，它通常是指那些能够被系统终端或者简单的文本编辑器接受的格式。任何能读取文字的程式都能读取带有.txt扩展名的档案，因此，通常认为这种档案是通用的、跨平台的。

在英文文本档案中，ASCII字元集是最为常见的格式，而且在许多场合，它也是默认的格式。对于带重音符号的和其它的非ASCII字元，必须选择一种字元编码。在很多系统中，字元编码是由计算机的区域设定决定的。常见的字元编码包括支持许多欧洲语言的ISO 8859-1。

由于许多编码只能表达有限的字元，通常它们只能用于表达几种语言。Unicode制定了一种试图能够表达所有已知语言的标準，Unicode字元集非常大，它囊括了大多数已知的字元集。Unicode有多种字元编码，其中最常见的是UTF-8，这种编码能够向后兼容ASCII，相同内容的的ASCII文本档案和UTF-8文本档案完全一致。

Windows的.txt档案

微软的MS-DOS和Windows採用了相同的文本档案格式，它们都使用CR和LF两个字元作为换行符，这两个字元对应的ASCII码分别为13和10。通常，最后一行文本并不以换行符(CR-LF标誌)结尾，包括记事本在内的很多文本编辑器也不在档案的最后添加换行符。

大多数Windows文本档案使用ANSI、OEM或者Unicode编码。Windows所指的ANSI编码通常是1位元组的ISO-8859编码，不过对于像中文、日文、朝鲜文这样的环境，需要使用2位元组字元集。在过渡至Unicode前，Windows一直用ANSI作为系统默认的编码。而OEM编码，也是通常所说的MS-DOS代码页，是IBM为早期IBM个人电脑的文本模式显示系统定义的。在全萤幕的MS-DOS程式中同时使用了图形的和按行绘製的字元。新版本的Windows可以使用UTF-16LE和UTF-8之类的Unicode编码。

数据存储

由于结构简单，文本档案被广泛用于记录信息。它能够避免其它档案格式遇到的一些问题。此外，当文本档案中的部分信息出现错误时，往往能够比较容易的从错误中恢复出来，并继续处理其余的内容。文本档案的一个缺点是，它的熵往往较低，也就是说，可以用较小的存储空间记录这些信息。

与二进制档案比较

定义

计算机的存储在物理上是二进制的，所以文本档案与二进制档案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，文本档案是基于字元编码的档案，常见的编码有ASCII编码，UNICODE编码等等。二进制档案是基于值编码的档案，你可以根据具体套用，指定某个值（可以看作是自定义编码）。

从上面可以看出文本档案基本上是定长编码的(也有非定长的编码如UTF-8)，基于字元，每个字元在具体编码中是固定的，ASCII码是8个比特的编码，UNICODE一般占16个比特。而二进制档案可看成是变长编码的，因为是值编码，多少个比特代表一个值，完全由自己决定。

存取

文本工具打开一个档案，首先读取档案物理上所对应的二进制比特流，然后按照所选择的解码方式来解释这个流，然后将解释结果显示出来。一般来说，你选取的解码方式会是ASCII码形式（ASCII码的一个字元是8个比特），接下来，它8个比特8个比特地来解释这个档案流。记事本无论打开什么档案都按既定的字元编码工作（如ASCII码），所以当他打开二进制档案时，出现乱码也是很必然的一件事情了，解码和解码不对应。

文本档案的存储与其读取基本上是个逆过程。而二进制档案的存取与文本档案的存取差不多，只是编/解码方式不同而已。