文本檔案

文本檔案是一種計算機檔案，它是一種典型的順序檔案，其檔案的邏輯結構又屬於流式檔案。

特別的是，文本檔案是指以ASCII碼方式(也稱文本方式)存儲的檔案，更確切地說，英文、數字等字元存儲的是ASCII碼，而漢字存儲的是機內碼。文本檔案中除了存儲檔案有效字元信息（包括能用ASCII碼字元表示的回車、換行等信息）外，不能存儲其他任何信息。

基本介紹

• 中文名：文本檔案
• 外文名：text file
• 拼音：wén běn wén jiàn
• 擴展名：txt、.doc.、.docx、.wps

簡介

文本檔案是一種由若干行字元構成的計算機檔案。文本檔案存在於計算機檔案系統中。通常，通過在文本檔案最後一行後放置檔案結束標誌來指明檔案的結束。

文本檔案是指一種容器，而純文本是指一種內容。文本檔案可以包含純文本。

一般來說，計算機檔案可以分為兩類：文本檔案和二進制檔案。

格式

ASCII

ASCII標準使得只含有ASCII字元的文本檔案可以在Unix、Macintosh、Microsoft Windows、DOS和其它作業系統之間自由互動，而其它格式的檔案是很難做到這一點的。但是，在這些作業系統中，換行符並不相同，處理非ASCII字元的方式也不一致。

檔案

MIME

文本檔案在MIME標準中的類型為“text/plain”，此外，它通常還附加編碼的信息。在Mac OS X出現前，當Resource fork指定某一個檔案的類型為“TEXT”時，Mac OS就認為這個檔案是文本檔案。在Windows中，當一個檔案的擴展名為“txt”時，系統就認為它是一個文本檔案。此外，處於特殊的目的，有些文本檔案使用其它的擴展名。例如，計算機的原始碼也是文本檔案，它們的後綴是用來指明它的程式語言的。

.txt

.txt是包含極少格式信息的文字檔案的擴展名。.txt格式並沒有明確的定義，它通常是指那些能夠被系統終端或者簡單的文本編輯器接受的格式。任何能讀取文字的程式都能讀取帶有.txt擴展名的檔案，因此，通常認為這種檔案是通用的、跨平台的。

在英文文本檔案中，ASCII字元集是最為常見的格式，而且在許多場合，它也是默認的格式。對於帶重音符號的和其它的非ASCII字元，必須選擇一種字元編碼。在很多系統中，字元編碼是由計算機的區域設定決定的。常見的字元編碼包括支持許多歐洲語言的ISO 8859-1。

由於許多編碼只能表達有限的字元，通常它們只能用於表達幾種語言。Unicode制定了一種試圖能夠表達所有已知語言的標準，Unicode字元集非常大，它囊括了大多數已知的字元集。Unicode有多種字元編碼，其中最常見的是UTF-8，這種編碼能夠向後兼容ASCII，相同內容的的ASCII文本檔案和UTF-8文本檔案完全一致。

Windows的.txt檔案

微軟的MS-DOS和Windows採用了相同的文本檔案格式，它們都使用CR和LF兩個字元作為換行符，這兩個字元對應的ASCII碼分別為13和10。通常，最後一行文本並不以換行符(CR-LF標誌)結尾，包括記事本在內的很多文本編輯器也不在檔案的最後添加換行符。

大多數Windows文本檔案使用ANSI、OEM或者Unicode編碼。Windows所指的ANSI編碼通常是1位元組的ISO-8859編碼，不過對於像中文、日文、朝鮮文這樣的環境，需要使用2位元組字元集。在過渡至Unicode前，Windows一直用ANSI作為系統默認的編碼。而OEM編碼，也是通常所說的MS-DOS代碼頁，是IBM為早期IBM個人電腦的文本模式顯示系統定義的。在全螢幕的MS-DOS程式中同時使用了圖形的和按行繪製的字元。新版本的Windows可以使用UTF-16LE和UTF-8之類的Unicode編碼。

數據存儲

由於結構簡單，文本檔案被廣泛用於記錄信息。它能夠避免其它檔案格式遇到的一些問題。此外，當文本檔案中的部分信息出現錯誤時，往往能夠比較容易的從錯誤中恢復出來，並繼續處理其餘的內容。文本檔案的一個缺點是，它的熵往往較低，也就是說，可以用較小的存儲空間記錄這些信息。

與二進制檔案比較

定義

計算機的存儲在物理上是二進制的，所以文本檔案與二進制檔案的區別並不是物理上的，而是邏輯上的。這兩者只是在編碼層次上有差異。

簡單來說，文本檔案是基於字元編碼的檔案，常見的編碼有ASCII編碼，UNICODE編碼等等。二進制檔案是基於值編碼的檔案，你可以根據具體套用，指定某個值（可以看作是自定義編碼）。

從上面可以看出文本檔案基本上是定長編碼的(也有非定長的編碼如UTF-8)，基於字元，每個字元在具體編碼中是固定的，ASCII碼是8個比特的編碼，UNICODE一般占16個比特。而二進制檔案可看成是變長編碼的，因為是值編碼，多少個比特代表一個值，完全由自己決定。

存取

文本工具打開一個檔案，首先讀取檔案物理上所對應的二進制比特流，然後按照所選擇的解碼方式來解釋這個流，然後將解釋結果顯示出來。一般來說，你選取的解碼方式會是ASCII碼形式（ASCII碼的一個字元是8個比特），接下來，它8個比特8個比特地來解釋這個檔案流。記事本無論打開什麼檔案都按既定的字元編碼工作（如ASCII碼），所以當他打開二進制檔案時，出現亂碼也是很必然的一件事情了，解碼和解碼不對應。

文本檔案的存儲與其讀取基本上是個逆過程。而二進制檔案的存取與文本檔案的存取差不多，只是編/解碼方式不同而已。

優缺點

因為文本檔案與二進制檔案的區別僅僅是編碼上不同，所以他們的優缺點就是編碼的優缺點。一般認為，文本檔案編碼基於字元定長，解碼容易；二進制檔案編碼是變長的，所以它靈活，存儲利用率要高些，解碼難一些（不同的二進制檔案格式，有不同的解碼方式）。

在windows下，文本檔案不一定是ASCII來存貯的，因為ASCII碼只能表示128的標識，打開一個txt文檔，然後另外儲存為，有個選項是編碼，可以選擇存貯格式，一般來說UTF-8編碼格式兼容性要好一些。而二進制用的計算機原始語言，不存貯兼容性。