有關File I/O的兩三事(2) - Binary FIle

有趣問題: 電腦的資訊是由0和1組成，當塞了一堆0和1時，電腦如何得知要執行什麼動作?

這個問題從我學電腦的第一年到現在為止都是一個很有趣的問題XD 我在大學才給了一個自己比較滿意的解答，我所認為的答案是，Instruction Set Architecture(ISA) 會解釋比較基本的答案，也就是說，只要塞入一道道的instructions，電腦就會依序執行，當然，這中間還有很多事要做，我們就暫時略過。

有趣問題: 電腦如何判斷且讀取一個檔案?

這個問題其實更有趣，最常見的方法是，判斷副檔名。當然，如果自己把副檔名改掉，而電腦就會用另外一個程式來開啟時，當然我們不確保能打的開XD 那麼怎麼讀取? 通常每個File都會有一個header，而每個header有其固定的format，例如說我這學期處理過的wav file，讀取了前面這麼多bytes之後，我們才能判斷如何讀取接下來的資料(於是就有許許多多的file format document需要閱讀XD)。

那麼我們回到(1)的有趣問題，我們要怎麼寫入一個binary tree? 假設我們把每個node data structure如下(以下以C++為例)。

typedef struct _node{
    unsigned int node_number;
    unsigned int data;
    unsigned int left_number, right_number;
    struct _node* left;    /* 理論上不用寫入檔案XD */
    struct _node* right;   /* 理論上不用寫入檔案XD */
}Node;

那麼當我們在C++中寫入Node array時，可能是這樣子寫的

    std::size_t list_size = 20;
    Node* list = new Node[list_size];
     /* ... */

    std::ofstream outfile;
    outfile.open("test.out", std::ofstream::out | std::ofstream::binary);
    outfile.write(static_cast<char*>(static_cast<void*>(list)), sizeof(Node)*list_size);

當然，寫進去的檔案在linux下嘗試用more觀看時，應該會看到一堆亂碼XD

可是這樣子寫入我們會有一個問題，root node number為何，而總共又有幾個node，方法也很簡單，我們也一併寫入file，於是我們現在的File Format就變成

0~3	4~7	...
total node size	root node number	node data

所以我們的寫入檔案的方法就變成...

    unsigned int root_number;
    std::size_t node_size;
    std::size_t list_size = 20;
    Node* list = new Node[list_size];
    
    std::ofstream outfile;
    outfile.open("test.out", std::ofstream::out | std::ofstream::binary);
    outfile.write(static_cast<char*>(static_cast<void*>(&root_number)), sizeof(unsigned int));
    outfile.write(static_cast<char*>(static_cast<void*>(&node_size)), sizeof(std::size_t));
    outfile.write(static_cast<char*>(static_cast<void*>(list)), sizeof(Node)*list_size);

於是我們就把檔案寫完啦，那麼讀檔的時候，我就不另外寫啦(用std::ifstream XD)。

那麼這樣子的設計缺失在那? 第一個是，我們一定要寫入root node number嗎? 其實可以不用，如果在設計list時，我們強制把list[0]設為root，我們就不用另外寫入檔案(因此省了4 byte)，第二個是，total nodes的數目只能是2^32-1個，其實非常大，足以應付一般日常生活所需，但在數學模型上，還是不能支援無限多個是有點可惜的事。

那麼這樣子寫入檔案有什麼好處? 答案是，非常的快以及容易撰寫(不論是讀取或寫入)，而且，其實每個node size是固定的(24 bytes)，也就是說，可以配合seekp, seekg任意跳及讀取，大部分的狀況，如果資料不夠大會一次讀進來，如果資料很大的時候，我們會利用buffered I/O來讀取，或者是跳到檔案某處只讀取我們所需要的資料(有時候，你只會需要檔案的某個部分。)，至於讀進來之後要做什麼事，這就不是我要關心的了XD。

---
下回繼續分解XD