Python通过二进制操作修改WAV注释元数据未生效问题求解

原代码存在的问题 #

• 没有执行文件写回操作：你最初将打开的文件句柄赋值给变量f，后续又将f重新赋值为内存中的bytearray对象，全程没有调用文件写入方法，所有修改仅存在于内存中，程序运行结束后就会被回收，原文件自然不会产生任何变化。
• 块定位逻辑不符合WAV格式规范：
  • WAV采用RIFF容器结构，元数据存储在INFO类型的LIST子块中，每个元数据项的结构固定为4字节块标识 + 4字节小端序内容长度 + 对应长度的内容 + 奇数长度时补1字节0x00对齐。ICMT本身就是4字节的注释块标识，你通过匹配\x00ICMT定位的方式本身就不可靠，很容易误命中音频数据中的相同字节序列。
  • 你计算的切片起始位置是ICMT标识的首地址，直接替换会覆盖块标识、长度字段，直接破坏元数据结构。
  • 靠ICRD块位置倒推注释段结束边界的方式鲁棒性极差：如果文件不存在ICRD（创建时间）块，find()方法会返回-1，计算出的边界完全错误；就算存在ICRD块，只要你写入的URL长度和原注释长度不一致，就会出现截断后续块、残留旧数据的问题，导致元数据解析失败。

实现方案 #

推荐方案：使用成熟音频元数据库（最稳定，无需手动处理二进制细节） #

不需要手动解析二进制结构，直接使用mutagen库即可完成注释写入，库会自动处理块长度计算、字节对齐、块偏移更新等底层逻辑，不会损坏文件结构。

1. 先安装依赖：

pip install mutagen

2. 实现代码：

from mutagen.wave import WAVE

wav_file = WAVE("test.wav")
# 写入带URL的注释内容
wav_file["comment"] = "URL: RandomURL"
wav_file.save()

纯二进制手动实现（无第三方依赖场景） #

如果不想引入第三方库，可以严格按照RIFF/WAV规范解析块结构，不要靠相邻块硬定位，参考实现如下：

import struct

with open("test.wav", "r+b") as f:
    content = bytearray(f.read())
    # 定位INFO元数据块
    list_pos = content.find(b"LIST")
    if content[list_pos + 8 : list_pos + 12] != b"INFO":
        raise RuntimeError("文件中不存在INFO元数据块")
    
    # 遍历INFO块下的子项，找到ICMT注释块
    cursor = list_pos + 12
    icmt_pos = None
    while cursor < len(content):
        chunk_id = content[cursor : cursor + 4]
        chunk_size = struct.unpack("<I", content[cursor + 4 : cursor + 8])[0]
        if chunk_id == b"ICMT":
            icmt_pos = cursor
            break
        # 移动游标到下一个块：8字节头 + 内容长度 + 对齐补位
        cursor += 8 + chunk_size + (chunk_size % 2)
    
    if icmt_pos is None:
        raise RuntimeError("文件中不存在注释块，可自行扩展逻辑新增ICMT块")
    
    # 准备新的注释内容，末尾加0x00作为字符串结束符
    new_comment = b"URL: RandomURL\x00"
    new_comment_len = len(new_comment)
    old_comment_len = struct.unpack("<I", content[icmt_pos + 4 : icmt_pos + 8])[0]
    old_chunk_total = 8 + old_comment_len + (old_comment_len % 2)
    new_chunk_total = 8 + new_comment_len + (new_comment_len % 2)

    # 更新ICMT块长度、内容
    struct.pack_into("<I", content, icmt_pos + 4, new_comment_len)
    content[icmt_pos : icmt_pos + old_chunk_total] = (
        content[icmt_pos : icmt_pos + 8]
        + new_comment
        + (b"\x00" if new_comment_len % 2 else b"")
    )

    # 更新外层LIST块、RIFF块的长度字段
    size_delta = new_chunk_total - old_chunk_total
    list_size_pos = list_pos + 4
    list_old_size = struct.unpack("<I", content[list_size_pos : list_size_pos + 4])[0]
    struct.pack_into("<I", content, list_size_pos, list_old_size + size_delta)

    riff_size_pos = 4
    riff_old_size = struct.unpack("<I", content[riff_size_pos : riff_size_pos + 4])[0]
    struct.pack_into("<I", content, riff_size_pos, riff_old_size + size_delta)

    # 写回文件
    f.seek(0)
    f.write(content)
    f.truncate()

纯二进制实现仅覆盖了已存在ICMT块的修改场景，如果需要兼容无注释块的新增场景、非标准WAV的元数据位置场景，还需要补充更多边界判断逻辑，非特殊场景优先使用成熟库方案。

内容的提问来源于stack exchange，提问作者wroex24