读取BMP文件时查找二进制子串失败的技术求助

问题根源 #

你的代码核心错误是混淆了二进制字节和ASCII字符的区别：

• BMP文件中存储的是二进制字节（比如24位BGR格式的红色像素对应0x00、0x00、0xFF三个字节），这些字节是数值，不是ASCII字符'0'或'1'。
• 你试图用std::string::find查找由ASCII字符"0"和"1"组成的字符串"000000000000000011111111"，但实际文件里的0x00是ASCII空字符，0xFF是不可打印字符，和你的查找模板完全不匹配，所以必然返回npos。

修正步骤 #

1. 二进制字节转比特字符串：把每个字节（需转成无符号类型避免负数问题）转换成对应的8位0/1字符串，比如0x00转成"00000000"，0xFF转成"11111111"，再拼接成完整的全局比特序列。
2. 可选：跳过BMP文件头：如果只需要查找像素区域的数据，可以解析BMP的文件头和信息头，定位到像素数据起始位置，避免查找头部分的无关数据。
3. 匹配逻辑调整：根据需求选择是否允许重叠匹配（比如序列1001001中查找1001，是否需要返回索引0和4）。

修正后的完整代码 #

#include <iostream>
#include <vector>
#include <fstream>
#include <string>
using namespace std;

// 将单个无符号字节转换为8位二进制字符串
string byteToBits(unsigned char byte) {
    string bits;
    bits.reserve(8);
    for (int i = 7; i >= 0; --i) {
        bits += (byte & (1 << i)) ? '1' : '0';
    }
    return bits;
}

void f(vector<size_t>& poz, const string& pattern, const string& filename) {
    ifstream file(filename, ios::binary);
    if (!file) {
        cerr << "无法打开目标文件" << endl;
        return;
    }

    // 读取文件所有二进制内容
    file.seekg(0, ios::end);
    streampos length = file.tellg();
    file.seekg(0, ios::beg);

    vector<unsigned char> buffer(static_cast<size_t>(length));
    file.read(reinterpret_cast<char*>(buffer.data()), length);

    // 转换为完整的比特字符串
    string bitSequence;
    bitSequence.reserve(static_cast<size_t>(length) * 8);
    for (unsigned char byte : buffer) {
        bitSequence += byteToBits(byte);
    }

    // 查找所有匹配的起始比特索引
    cout << "Pattern: " << pattern << endl;
    size_t index = bitSequence.find(pattern);
    cout << "First found index: " << index << endl;
    
    // 允许重叠匹配则用index+1，不允许则用index+pattern.size()
    while (index != string::npos) {
        poz.push_back(index);
        index = bitSequence.find(pattern, index + 1);
    }
}

int main() {
    vector<size_t> poz;
    string file = "test.bmp";
    string pattern = "000000000000000011111111"; // 24位BGR红色像素的比特序列

    f(poz, pattern, file);

    // 输出结果
    for (size_t i = 0; i < poz.size(); ++i) {
        if (i != poz.size() - 1) {
            cout << poz[i] << ", ";
        } else {
            cout << poz[i] << endl;
        }
    }

    return 0;
}

额外说明 #

• BMP像素格式：24位BMP采用小端存储，像素顺序为BGR，所以红色像素确实对应0x00（蓝）、0x00（绿）、0xFF（红），你的模板字符串是正确的。
• 性能优化：如果处理超大BMP文件，直接生成完整比特字符串会占用较多内存，可以改为逐字节滑动窗口查找，避免生成大字符串。

内容的提问来源于stack exchange，提问作者simsam