首页 / 科技 / 正文

同个文件,两副面孔:文件格式到底在背后做了什么

朋友发来一个PPT,说“你帮我改改”。我打开。第一页挺正常,第二页表格挤成一团,第三页的标题直接跑到屏幕外面去了。她说在她电脑上明明好好的。

这种事见得太多,多到我都懒得惊讶了。多半不是谁手滑,是文件格式在背后动了手脚。

一、扩展名只是门牌号,不是户口本

我们平时认文件,全靠名字尾巴上那几个字母。.docx、.pdf、.jpg、.mp3。系统也靠它,双击一下,就知道该请谁来开门。

但这个东西,是能随手改的。右键,重命名,把一个 .jpg 改成 .png,大多数看图软件照样能打开。为什么?因为它们在打开的一瞬间,会偷偷看一眼文件开头那几个字节,行话叫文件头。真正的身份写在那儿,不写在名字上。

反过来你把一个 .docx 硬改成 .jpg,图片软件就会被骗,然后一脸茫然地报错。名字是假的,内容它不认。

所以扩展名更像门牌号。门口挂着 501 的牌子,里面住的是谁,得敲门。

电脑文件资源管理器显示文件扩展名设置界面

二、乱码,是暗号没对上

早年上网的人,谁没遇到过满屏的“锟斤拷”。

那不是键盘坏了,也不是文件坏了。是编码。

一段中文在电脑里存着的时候,存的其实还是一串数字。用哪套规则把这些数字翻译回文字,结果就完全不同。UTF-8 和 GBK 是两套常见的规则。用A规则写的,用B规则打开,就是一堆谁也不认识的符号。有点像两个人在说同一句话,一个用普通话的发音,一个用粤语。声音都在,字全乱了。

乱码最烦的地方在于:它不是打不开,是能打开,但内容不对。你以为自己看到了文件,其实看的是另一套错误的映射。

这个坑在跨系统传文件的时候特别容易踩。Windows 和 Mac 来回倒腾,软件版本还各不相同,编码就容易打架。我以前还天真地以为“复制粘贴”是绝对安全的,后来发现,复制粘贴走的是系统剪贴板,它也有自己的一套编码逻辑……算了,别问,问就是血泪。

三、PDF 就万无一失了吗?不一定

很多人拿 PDF 当保险柜,觉得发过去就一定不变形。这个印象七成对,三成是坑。

PDF 至少有两种命。一种是文字版的,里面的字是真的字,能选中,能复制,能搜关键词。另一种是扫描出来的,本质就是一张图片套了 PDF 的壳。你看着一样,其实一个能搜,一个搜不到。很多人做电子书、存合同,糊里糊涂用了后者,结果想找一句话翻半天。

还有个更隐蔽的毛病:字体。

PDF 为了稳住排版,会把用到的字体一起塞进文件带走,这叫字体嵌入。要是做文件的人偷懒没嵌,或者嵌了个残缺的,到了你这边,系统只能临时找别的字体来顶。字一换,宽窄就变了。宽窄一变,行就重排。行一重排,那页排版自然就散了。

PPT 是同一个道理。它存的不是文字本身,是位置、字号、图层、颜色,外加一份“请务必用这个字体”的请求。你电脑上有的字体,别人电脑上未必有。

PDF文档属性中查看字体嵌入情况面板
PDF文档属性中查看字体嵌入情况面板

四、有些格式,外壳底下藏着别的东西

四、有些格式,外壳底下藏着别的东西
四、有些格式,外壳底下藏着别的东西

说个可能有点反直觉的事。

.docx 这个格式,你把后缀改成 .zip,然后用压缩软件打开。里面有文件夹,有 xml,有一堆看不太懂的结构。它本身就是一个压缩包,套了一层皮。文本、样式、图片,各占各的地盘。.xlsx 也一样。

这意味着什么?意味着格式不是铁板一块。它是一种约定——哪些字节放什么,按什么顺序排,用哪套编码翻译,遇到字体怎么办,颜色怎么记,溢出怎么处理。

约定越细致,交换起来越不容易出岔子。约定越松散,换个环境就散架。

所以一份文件在两台电脑上活成两种样子,真不神秘。就是这两台机器在“遵守约定”这件事上,下的功夫不一样。谁版本老,谁缺字体,谁用的编码跟别人拧着来,谁就先翻车。

下次文件变形了,别急着骂软件。先想想,是编码的问题,是字体的问题,还是这个容器本身就装不下你想表达的东西。

有时候换个格式,比改十遍稿子都管用。这个道理,我是在被同一份表格折腾了三个晚上之后才彻底明白的。