filesdataФорматы и данные

01 / Форматы

Расширение — не весь формат

Как различать имя, содержимое и контейнер. И почему файл иногда не открывается, хотя расширение выглядит знакомым.

Имя, MIME и содержимое

Расширение — часть имени после последней точки: .csv, .png, .mp4. Оно помогает программе выбрать способ открытия, но не описывает достоверно содержимое. Файл можно переименовать как угодно. Преобразование требует чтения исходного формата и записи нового, а не замены букв в имени.

MIME-тип — метка для передачи данных, например image/png. Её тоже можно указать ошибочно. Сигнатура в начале файла помогает распознать многие двоичные форматы, но не является проверкой безопасности. Некоторые форматы используют общий контейнер: ZIP лежит в основе DOCX, а похожее начало файла ещё не раскрывает назначение всего пакета.

Текст, кодировка и таблицы

Обычный TXT не хранит универсальную обязательную метку кодировки. Те же байты могут выглядеть по-разному при чтении как UTF-8 и в старой однобайтовой кодировке. Если видны нечитаемые символы, попробуйте открыть копию с правильной кодировкой. Не сохраняйте поверх единственного оригинала до проверки.

CSV хранит записи и поля, а не оформление книги. В описании RFC 4180 поля разделяются запятыми, а поле с запятой, кавычкой или переносом строки заключают в двойные кавычки. Кавычку внутри поля удваивают.[1]

title,note
Lamp,"desk, warm light"
Book,"marked ""to read"""

На практике встречаются точки с запятой, разные переносы строк и разные кодировки. При импорте укажите разделитель явно. Колонку с идентификаторами вроде 0017 лучше импортировать как текст, чтобы не потерять ведущие нули. Незнакомые CSV могут содержать значения, которые табличная программа воспримет как формулы.

JSON описывает структуру: объекты, массивы и значения. Для межсистемного обмена RFC 8259 требует UTF-8. В стандартном JSON нет комментариев и завершающей запятой после последнего элемента.[2] Проверка синтаксиса не заменяет проверку нужных полей и типов.

Растр и вектор

PNG, JPEG и WebP хранят растровое изображение — сетку пикселей. Увеличение размера не возвращает отсутствующие детали. PNG использует сжатие без потерь; обычный JPEG рассчитан на компактность с потерей части информации. WebP поддерживает оба подхода, поэтому одного расширения недостаточно для вывода о качестве.

SVG описывает контуры, заливки и текст. Такой рисунок удобно масштабировать, но внутри могут быть встроенные растровые изображения, внешние ссылки и активное содержимое. Перед публикацией непроверенный SVG нужно очистить или безопасно преобразовать. Векторный формат сам по себе не гарантирует маленький размер.

Документы и переносимость

PDF фиксирует страницы, но может содержать скан без текстового слоя, встроенные файлы, формы и другие элементы. Возможность выделить текст, порядок чтения и доступность нужно проверять отдельно. Для долгого хранения важны выбранный профиль, встроенные шрифты и корректность конкретного документа, а не только расширение.

DOCX сохраняет редактируемую структуру. Вид страниц может измениться из-за отсутствующего шрифта или другой программы. Для согласования удобно передавать PDF-экспорт вместе с исходником, если получателю нужна и правка. Перед отправкой проверьте комментарии, исправления и свойства документа.

Контейнер и способ сжатия

Контейнер собирает части файла; кодек определяет, как закодирована медийная дорожка. MP4 может содержать видео H.264 и звук AAC, но это не единственная комбинация. Для воспроизведения нужны поддержка контейнера и поддержка конкретных дорожек.[3]

TAR объединяет файлы, gzip сжимает поток, а ZIP сочетает контейнер с отдельным сжатием элементов. Поэтому .tar.gz — осмысленная пара суффиксов, а не два конкурирующих формата. Чтобы выбрать формат, сначала определите задачу: передать редактируемый исходник, показать результат или сохранить комплект.

Звук и видео

WAV — контейнер: внутри часто лежит несжатый PCM, но возможны и другие кодеки. Чтобы оценить объём и качество, посмотрите частоту дискретизации, разрядность, число каналов и фактический кодек. MP3 обычно используют для компактного звука с потерями; преобразование MP3 в WAV не возвращает отброшенную информацию.

Для видео отдельно смотрите размеры кадра, частоту кадров и способ кодирования. MP4 с поддерживаемым кодеком может воспроизводиться там, где MP4 с другим профилем не откроется. WebM тоже не обозначает один неизменный набор кодеков.[3] Перед отправкой полезно проверить ролик на целевом устройстве и сохранить исходник для новых экспортов.

Источники