我正在制作一个可以打开wav文件的python程序，我想知道wav文件的格式是什么

因此，我已经通过 此 网站的研究编写了验证并读取 wav 标头的代码。但我想知道，data段中的数据是如何存储的？它们位于 16 位部分中，彼此相邻放置。我认为在 Audacity 中制作 440hz 正弦波，然后导出它，会显示一些结果，并且字节确实看起来更整齐，但仍然像废话一样接缝。相信我，我已经在互联网上到处查找了，但是如果您知道，或者认为您可以找到答案，那么请务必这样做。如果您想尝试一下，这是我的代码。

## CHECK FILE VALIDIDITY ##
# Import required libarays
import sys
from numpy import take

# Make a function to read the byte data from the file
def postobytes(data, pos):
    return bytes(take(data, pos).tolist())

# Open the file
fileName = sys.argv[1]
data = list(open(fileName, 'rb').read())

# Define the checking variables
headerCorrect1 = b'RIFF'
headerCorrect2 = b'WAVEfmt \0\0\0\0\0'
range1 = [0,1,2,3]
range2 = [8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23]

# Check the header data
if postobytes(data, range1) == headerCorrect1 and postobytes(data, range2) == headerCorrect2:
    print('Valid RIFF header')
else:
    raise FileExistsError('Invalid RIFF header')


## GET AND PRINT FILE LENGTH ##
# Make a function to convert big endian to little endian
def bigtolittle(data):
    return data[::-1]

def intfrompos(data, pos):
    return int.from_bytes(bigtolittle(postobytes(data, pos)))

# Get the length of the file
lengthRange = [4,5,6,7]
length = intfrompos(data, lengthRange)

# Make human readable length
print('\nFile Size:')
if length/1000 < 1000:
    print(str(round(length/100)/10)+'K')
elif length/1000000 < 1000000:
    print(str(round(length/10000)/100)+'M')
else:
    raise NotImplementedError('File to big, gigabyte and on not implemented')


## GET DATA AND FIND DATA START ##
# Get sample rate
srRange = [24,25,26,27]
sampleRate = intfrompos(data, srRange)
print('\nSample Rate:\n'+str(sampleRate)+'Hz')

# Get bits per sample
bpsRange = [34,35]
bitsPerSample = intfrompos(data, bpsRange)
print('\nBits per Sample:\n'+str(bitsPerSample)+' Bits')
if bitsPerSample != 16:
    raise ValueError('Unsupported or invalid Bits per Sample')

# Find data starter
for pos, byte in enumerate(data):
    if byte == 100:
        if data[pos+1] == 97:
            if data[pos+2] == 116:
                if data[pos+3] == 97:
                    print('\nData Header at '+str(pos))
                    dhsp = pos # Data header start position
                    break

print('\nPlaying WAV file')

audio = []
dlRange = [dhsp+4,dhsp+5,dhsp+6,dhsp+7]
dl = intfrompos(data, lengthRange)
for pt, unused in enumerate(data):
    pos = dhsp+pt+8
    if pos > dl+6:
        break
    byte = data[pos]
    audio.append(byte)

# FOR STACK OVERFLOW HELPERS: The audio list is all you need to mess with. Below is where you can do that.

我本来希望找到答案，但找不到。

当然可以！正在解码 WAV 文件格式的正确道路上。已经成功解析了标题，现在让我们解决数据部分是如何编码的：

WAV 文件中的音频数据表示

WAV 文件通常存储使用 脉冲编码调制 (PCM) 格式的音频数据。PCM 本质上是声波的数字表示。以下是它的工作原理：

1. 采样： 采用模拟声波，并以规则的间隔对其幅度进行测量（采样）。每秒的采样数就是 采样率 （已经在代码中解析过）。
2. 量化： 每个样本（幅度测量）都四舍五入到最接近的预定义离散值。这些值的数量由 位深度 （或每个样本的位数）确定，已正确识别为 16 位。
3. 编码： 量化的样本表示为二进制值序列。对于 16 位音频，每个样本使用 16 位（2 个字节），这导致 65,536 个可能的幅度级别。

解释的 WAV 数据

由于已经确认的 WAV 文件使用 16 位 PCM，因此以下是解释数据部分中的字节的方法：

• 字节对： 数据中的每个两个连续字节表示一个音频样本。
• 字节顺序： WAV 文件通常使用 小端 字节顺序。这意味着第一个字节表示样本的最低有效字节，第二个字节表示最高有效字节。
• 有符号整数： 每个 16 位样本表示为有符号整数。要将其转换为更易于理解的格式，需要使用的编程语言将原始字节数据转换为有符号整数。

在 Python 中将原始字节转换为音频

的 Python 代码片段中缺少的部分是如何将原始字节数据转换为实际音频值。以下是如何使用 struct 模块来实现：

import struct

# ...（现有的代码来解析标题）...

audio = []
for i in range(dhsp + 8, len(data), 2):  # 从数据块开始，每次迭代 2 个字节
    sample_bytes = bytes(data[i:i+2])  # 获取 2 个字节的样本
    sample_int, = struct.unpack('<h', sample_bytes)  # 将其解压缩为有符号短整数（小端）
    audio.append(sample_int) 

# 现在，`audio` 列表包含代表音频波形的整数样本

可视化和分析

要更好地理解数据，可以使用以下方法对其进行可视化或进一步分析：

• Matplotlib： 使用 Matplotlib 库绘制 audio 列表以查看音频波形。
• NumPy： 使用 NumPy 库对音频数据执行高级操作，例如计算 FFT 以进行频率分析。

其他注意事项

• 通道： 如果的 WAV 文件有多个通道（立体声有 2 个通道），则样本将交错。这意味着左声道的一个样本后跟右声道的一个样本，依此类推。
• 规范化： 音频样本通常在 -1 到 +1 的范围内进行规范化，以便于播放和处理。可能需要对解压缩的整数样本进行缩放以适应此范围。

请告诉我这是否有助于阐明 WAV 文件中音频数据的存储方式！