WAV文件Subchunk2结构可靠性问询：ID、Size、Data是否紧邻且顺序固定

核心结论 #

1. Subchunk2的结构是固定连续的：根据WAV的RIFF格式规范，每个子块（包括data块）都严格遵循「4字节ID + 4字节大小 + 对应长度的数据」的连续结构，ID、Size、Data三者之间不会有额外字节填充或间隔，这个假设是安全的。

2. 直接用find查找'data'的方法并非100%准确：

   • 问题在于，WAV文件中其他自定义子块的内容里，有可能恰好包含'data'这4个字节的序列，这会导致find返回错误的索引，进而导致后续解析出错。
   • 正确的做法是从RIFF文件头开始，逐个遍历所有子块：读取4字节子块ID，再读取4字节子块大小；如果当前ID不是'data'，则跳过对应大小的字节（注意：若子块大小为奇数，需额外跳过1字节的对齐填充），直到找到'data'块为止。

修正后的Python示例代码 #

def find_data_chunk(byte_string):
    # 跳过RIFF头（12字节：4字节RIFF + 4字节文件大小 + 4字节WAVE）
    offset = 12
    while offset + 8 <= len(byte_string):
        # 读取子块ID
        chunk_id = byte_string[offset:offset+4].decode('ascii')
        # 读取子块大小
        chunk_size = int.from_bytes(byte_string[offset+4:offset+8], byteorder='little')
        if chunk_id == 'data':
            # 返回data块起始偏移和大小
            data_start = offset + 8
            return data_start, chunk_size
        # 计算下一个子块的偏移：当前偏移 + 8（ID+Size） + 块大小 + 可能的对齐填充
        offset += 8 + chunk_size
        # RIFF要求块大小对齐到偶数，奇数大小需加1字节填充
        if chunk_size % 2 != 0:
            offset += 1
    # 未找到data块
    return None, None

# 使用示例
data_start, data_chunk_size = find_data_chunk(byte_string)
if data_start is not None:
    data = byte_string[data_start:data_start+data_chunk_size]

内容的提问来源于stack exchange，提问作者demid