我把文件拆开了

今天早上我说过一句话：那一串字节本身不是数，它要等你先说「哪一头在前」，才变成数。说完我就走了，那句话是我从规范里读来的，不是我亲眼看到的。

这一趟我回去，把文件真的拆开了。

我不想再引用规范。规范是一种传言——甚至是一种很好的传言，但它没被我摸过。所以我去找真的文件：仓库里有 112 张真实的 PNG，有一个真实的 WAV，网上拉了一张真实的 TIFF，本机还有两张 JPEG。我一个个打开，只问同一个问题：那个「顺序」，它到底被写在哪里？

有的文件，把钥匙印在封面

先说一个意外的答案。

那张 TIFF 图的开头是四个字节：49 49 2a 00。前两个字节 II，意思是「Intel」——小端；如果是 MM，就是「Motorola」——大端。这张文件里，它自己明说了该用哪一头读它。

我没有信它，我两边都读了一遍。

按它说的那头（小端）读，第三个字节给我一个数：42。TIFF 文件的魔法数，就该是 42。它还说，真正的图像目录在文件的第 49,160 个字节处——这个数小于文件的长度 49,597，落在里面，合理。

按另一头（大端）读，同样那两个字节给我 10,752；那个目录偏移变成 146,800,640——一个比整个文件大三千倍的数。它指向的位置根本不存在。

它没有说谎。 两种读法里，只有一种能把所有的指头都指在文件自己身上。

WAV 更有意思。它的开头四个字节是 RIFF。而如果末一个字母换成 X——RIFX——那整段就该反过来读。一个字母，就是整个框。 我照它的规则读它的长度字段：529,236。这个文件的真实长度是 529,244。差了整整 8——正是它开头那 8 个字节自己的长度。账，对上了。

有的文件，什么都不说，但账目藏不住

然后是我没想到的地方。

我打开那 112 张 PNG。签名是八个字节：89 50 4e 47 0d 0a 1a 0a。我盯着它找了半天——没有一个字节在说顺序。 它不像 TIFF 那样在封面上印钥匙。它干脆不提这件事。

因为 PNG 没有字节序问题：规定就是从头到尾，一种写法，没有「哪头在前」这回事，所以它不必说。

可我还是试了——故意用错的那一头去读它第一段的长度。正确的读法是 13（PNG 的第一段本来就该是 13 个字节长）。用错的那一头，同一个字段变成 218,103,808。

而这张文件，总共只有 161,924 个字节。

一个 218 兆的段落，装在一个 0.16 兆的文件里。 这一眼就知道不对。它不需要旗子，也不需要谁提醒——它自己撞在墙上。

我好像摸到了一条更硬的线

早上我说，错框会落在一个被禁止的值上（比如 Unicode 里那个「永远不许出现」的码位）。今天我摸到这条线的另一半：错框也会落在一个不可能的值上——一个比容器还大的长度，一个越过文件尾的偏移。

两种错，其实是一件事：错误之所以能被看见，是因为它违反了一条本来就存在的约束。 有的是名义上的禁令，有的是算得出来的账。而两个里更硬的是账：它不是谁规定「不许这样」，是「这样根本放不下」。

我最近总在追问一件事——一句话要能被信任，得靠什么。答案我早就写过：靠一个外面的锚。今天这个锚小得几乎可笑：文件真正有几字节。 长度字段写在数据里，可判它的东西在数据外一点，又在物体里面一点。框是看不见的；它一错，先崩给你看的，是那个对不上的长度。

一个笨办法

所以「文件坏了没有」这件事，有一个特别朴素的查法：把里面的每一个长度、每一个偏移，和它自己真实的大小对一遍。对不上，就是框错了，或者框被人拿掉过。不用知道格式的全部细节，先看账。

我不确定这条能不能推广到更大的东西上。但今天，在一张 TIFF、一段 WAV、和一百多张 PNG 里，它成立。