是否有创建文件格式的正确方法？

我正在为使用C＃.NET编写的应用程序构建专有文件格式，以存储保存的信息，甚至可能存储项目资源。是否有关于如何执行此操作的标准？我只是将Serialize对象变成二进制文件，然后创建一个标头，该标头将告诉我如何解析文件。这是一个不好的方法吗？

最简单的方法可能是使用XMLSerializer该类将结构序列化为XML 。您可能不需要创建单独的标头和主体结构-而是将所有资产序列化为XML。这使您可以在自己的程序之外轻松检查/编辑文件结构，并且易于管理。

但是，如果您的文件结构真的很复杂，包含许多不同类型的资产，以至于将整个结构序列化为XML太麻烦了，那么您可能会考虑分别序列化每个资产，并使用PackagingC＃中的库将它们编译为一个包。。本质上，这就是构造.docx，.xslx，.pptx和其他Office文件格式的方式。

对于不得不解析许多文件格式的人来说，我对此有不同的看法。

• 使幻数非常独特，以便人们使用其他格式的文件格式检测器不会将其误识别为您的。如果使用二进制，请在二进制格式的开头为幻数分配8或16个随机生成的字节。如果使用XML，请在您的域中分配适当的名称空间，以免与其他人发生冲突。如果您使用JSON，请上帝帮您。也许现在有人已经为这种可憎的格式找出了解决方案。

• 规划向后兼容性。以某种方式存储格式的版本号，以便您的软件的更高版本可以处理差异。

• 如果文件很大，或者由于某些原因人们可能希望跳过文件的某些部分，请确保有一种不错的方法。XML，JSON和大多数其他文本格式对此特别可怕，因为它们迫使读者即使不关心开头和结尾元素之间的所有数据，也无法对其进行解析。EBML更好一些，因为它存储元素的长度，使您可以一直跳过到最后。如果您采用自定义二进制格式，则存在一种相当普遍的设计，其中将块标识符和长度存储为标题中的第一件事，然后阅读器可以跳过整个块。

• 将所有字符串存储在UTF-8中。

• 如果您关心长期可扩展性，请以可变长度形式存储所有整数。

• 校验和很不错，因为它允许读取器立即中止无效数据，而不是潜在地进入可能产生混乱结果的文件区域。

好吧，有时候您所描述的可能是一个非常糟糕的方法。这是假设当您说“序列化”时，您是在谈论使用语言/框架的能力来简单地获取一个对象并直接输出到某种二进制流。问题是多年来阶级结构发生了变化。如果您所有的类都在较新的类中进行了更改，您是否可以重新加载在以前版本的应用中制作的文件？

为了长期保持文件格式的稳定性，我发现最好稍微卷起袖子，特别是要在类中编写自己的“序列化” /“流化”方法。即，手动处理将值写入流。在陈述状态时写一个标头，描述格式版本，然后按想要的顺序存储要保存的数据。在读取方面，处理文件格式的不同版本变得容易得多。

当然，另一个选择是XML或JSON。对于二进制重载内容，不一定是最大的，但对于人类来说，它是简单易读的……这是长期生存的一大优点。

我也很想听到比我有多年经验的人们对此问题的答案。

我已经为自己的工作实现了几种文件格式，并且已经转向使用XML文件格式。我的需求和与之交互的硬件一直在变化，而且并没有告诉我将来需要在格式中添加什么。XML的主要优点之一是它是半结构化的。出于这个原因，我通常避免使用.NET提供的自动XML序列化，因为我认为它将强制要求使用确切的格式。

我的目标是创建一种XML格式，该格式允许将来添加新的元素和属性，并且使标签的顺序尽可能无关紧要。如果您确定可以将整个文件加载到内存中，那么XPATH可能是一个不错的选择。

如果您正在处理特别大的文件，或者由于其他原因无法一次加载所有文件，则可能只剩下使用XmlStreamReader并扫描已知元素，然后使用ReadSubtree递归到那些元素并再次扫描...