Esse fenômeno tem me deixado perguntas a serem feitas.

Aqui está o experimento detalhado, meu sistema operacional é o Windows 7 x64 SP1:

• Alterei um arquivo de imagem (JPG) para TXT simplesmente alterando sua extensão (ou alguém pode simplesmente optar por abrir o JPG com o bloco de notas, a mesma coisa)

Ele deve ter esta aparência, seqüências de textos com aparência estranha e algumas delas (muito raras) são realmente significativas, como na captura de tela abaixo "criador: dg-jpeg v1.0 ..."

• Desativei o agrupamento e selecionei todo o texto usando Ctrl + A (para garantir que nada falte)
• Colei o texto copiado em outro arquivo TXT em branco e o salvei como JPG. Comparei o novo tamanho do arquivo com o JPG original. Todos eles (o JPG original, o arquivo TXT convertido e o arquivo TXT recém-criado) têm exatamente o mesmo tamanho, em bytes.

Quando tentei abrir, o Windows diria "O Windows Photo Viewer não pode abrir esta imagem porque o arquivo parece estar danificado, corrompido ou é muito grande" .

Até tentei testá-lo usando outro método: Abri o JPG com o bloco de notas, cortei UM caractere conhecido em um local fácil de lembrar (como o primeiro caractere da 2ª linha) e salve o arquivo. O visualizador, é claro, exibirá a mesma mensagem. Em seguida, abri-o novamente e colei o caractere no local EXATO (o Bloco de Notas lembra seu estado de saída, como posição da janela, quebra automática, tamanho das fontes ... então não tenho problema em acertar)

E ainda o mesmo erro. Você pode tentar fazer isso para ter uma idéia. Lembre-se de escolher uma imagem pequena. Caso contrário, o Bloco de Notas funcionará como um velho enferrujado.

Qual poderia ter sido a causa desse fenômeno?

Dependendo da codificação usada para abrir o arquivo, você poderá ver um comportamento diferente. Meu bloco de notas do Windows 7 permite abrir um arquivo em big endian ANSI, UTF-8, Unicode ou Unicode.

Testei esse problema com uma pequena imagem JPEG de 2x2 pixels criada com o gimp e abrindo e salvando o arquivo de imagem com codificação ANSI. Abrindo a imagem original e a salva com um editor hexadecimal, vejo que todas as 00 seqüências (dois dígitos hexadecimais, caractere de controle NUL ) foram convertidas para 20 (caractere espaço).

Substituir novamente no editor hexadecimal todos os 20 por 00 restaura o formato da imagem.

Pesquisei um pouco no Google e não encontrei nenhuma referência que explique por que isso acontece. Apenas uma referência a uma postagem que avisa sobre isso (link do cache do Google, a página não está disponível).

Se você salvar / abrir o arquivo como UTF-8, parece que ele ainda converte caracteres NUL em espaços, mas também aumenta o tamanho do arquivo resultante devido às conversões de caracteres de byte único em seqüências de UTF-8.

Se você salvar / abrir o arquivo como Unicode, parece que ele ainda converte caracteres NUL em espaços, mas também adiciona um byte ao início do arquivo, a BOM .

Por que falha:

O bloco de notas cria (ASCII code 32)caracteres de espaços para caracteres como NUL (ASCII code 0) porque a caixa de texto da API do Windows permite apenas char * ASCIIZ terminado em nulo (matriz de caracteres, ponteiro). É cortado no primeiro NUL.

Isso acontece porque a API do Windows é escrita principalmente na linguagem C e as seqüências terminadas nulas são um dos recursos comuns. Mesmo quando o Windows e Unicode modernos são considerados, as mesmas seqüências terminadas nulas ocorrem. Então, o bloco de notas simplesmente substitua-os por espaço para que você possa ver o arquivo completo.

Então, quando você salva o arquivo, ele está corrompido.

cadeias terminadas wikipedia-null

Como fazer mais pesquisas:

Você pode usar um comparador como além da comparação (comercial, de teste) para ver o efeito de substituição de caracteres. veja também outras ferramentas de comparação binária .

Nota : (20) ₁₆ = (32) ₁₀

O motivo do bloco de notas atua lentamente em arquivos grandes

Examinando o Notepad.exe (XP de 32 bits)

(Presumo que ele ainda esteja escrito em C ++ ou pelo menos use um vinculador comparável )

Estou usando a ferramenta PEiD (que interrompeu o desenvolvimento com a introdução de ex + PE + / 64)

O PEiD pode ser encontrado empacotado na pasta bin do Universal Extractor

Eu extraí o bloco de notas. ex_ do Windows XP iso obviamente. Experimente. É um extrato de arquivo de táxi usando 7z.

Aviso ! O seu antivírus pode detectar o Universal Extractor / PEiD como ferramentas de hacker ou vírus. Não confie nele, não faça o download !!

Mais informações sobre a API do Windows

créditos: Jason C

Não é apenas a caixa de texto; WM_SETTEXT em geral não fornece parâmetro para especificar o comprimento da cadeia, e sempre se supõe que as cadeias terminem em nulo. Você sempre pode criar uma caixa de texto personalizada com uma mensagem personalizada que especifique o tamanho da string, mas o Bloco de Notas e a maioria dos outros programas não o fazem razoavelmente. Além disso, a função SetWindowText também não fornece um parâmetro de comprimento.

O bloco de notas não preserva todos os caracteres especiais / estendidos exatamente como estão. Não tenho uma referência para esse comportamento imediatamente à mão, mas descobri que esse é o caso, por exemplo, do final de linha do estilo UNIX LF, que o Bloco de Notas converterá em CRLF e nulo (0x00), que será ignorado. Em um arquivo binário como um JPG, é provável que ocorram ocorrências aleatórias do (s) caractere (s) que o Bloco de Notas não preserva. Experimente o seu experimento com um editor compatível com HEX e ele deve funcionar. Atualizarei minha resposta se encontrar uma boa referência e depois de testar um editor HEX.

Atualização: Tentei alguns editores de programadores conhecidos, mas apenas um deles funcionou imediatamente, HxD , de Maël Hörz . Eu nunca usei o HxD antes, mas o encontrei graças a uma resposta a este artigo da Stack, um plug-in de visualizador / editor hexadecimal para o Notepad ++ .

Os outros editores que não funcionaram após alguns minutos foram o Notepad ++, Notepad2 e UltraEdit (v17.3, versão mais antiga). Alguns deles tiveram problemas com a copiar / colar dos primeiros bytes, o número mágico da assinatura de arquivo JPEG FF D8 FF. Talvez eles trabalhem com um pouco mais de brincadeira do que tenho tempo no momento.

Você costumava fazer isso com o Write de volta no dia. Era um programa padrão no Windows 3.1, mas não me lembro se o Windows 95 o incluía. A gravação permitiria a edição binária segura de qualquer arquivo que ele pudesse abrir (provavelmente um tamanho muito limitado). O bloco de notas definitivamente não é binário seguro (o texto permanece o mesmo, mas os bytes reais de caracteres que não são de texto [por exemplo, códigos de controle] podem mudar), e é por isso que o seu exemplo JPG não está funcionando. Tente obter uma cópia do Write (e do Windows muito antigo) e tente sua experiência novamente!

De acordo com o artigo "Windows Write" da Wikipedia, o Write foi incluído até o Windows NT 3.5. Foi substituído pelo Wordpad no Windows 95 em diante. write.exeainda estava presente no diretório do Windows, mas era simplesmente um invólucro para abrir o Wordpad.

Eu acho que não é tanto um problema de codificação, mas também de conjunto de caracteres. O formato JPG é basicamente um fluxo de bytes. Permitindo, assim, caracteres não imprimíveis como NUL, ETX, STX, SOH, DLE, etc.

O Bloco de Notas da Microsoft não pode exibir esses caracteres não imprimíveis. Pode exibir espaços reservados de algum tipo, como um espaço para um caractere nulo. Portanto, abrir o arquivo com o Bloco de notas não mostra o conteúdo real, mas o conteúdo decodificado pela codificação selecionada (utf-8, utf-16 etc.) e exibido por um determinado conjunto de caracteres (unicode, ascii etc.), excluindo os não- caracteres imprimíveis.

Ao selecionar todo o texto exibido e copiá-lo para a área de transferência, você copia apenas os caracteres imprimíveis, incluindo os espaços reservados. Assim, convertendo automaticamente caracteres nulos em espaços e ignorando completamente outros caracteres não imprimíveis.

Então, basicamente, você perde o conteúdo dessa maneira. Se você usar um editor hexadecimal, ele copiará todo o conteúdo.

Atualização: A resposta de Bhathiya Pereras está certa: https://superuser.com/a/782885/322784 Caracteres não imprimíveis não são ignorados ao copiar texto para a área de transferência.

O arquivo JPEG contém dados que não são de texto, exceto em alguns campos. Basicamente, quaisquer valores de bytes entre 0 e 255 serão encontrados, especialmente na área que representa a imagem compactada codificada que contém dados quase pseudo-aleatórios.

Mas o Bloco de Notas tratará os dados como texto ANSI por padrão, portanto, fará várias coisas que alterarão os dados originais, como:

• substituir bytes mapeando caracteres especiais / indefinidos / proibidos, pois eles não fazem sentido para um texto ANSI válido

• codificar caracteres nulos, seqüências de fim de linha e final de arquivo para convenções do Windows / DOS

O que significa que, se você editar e salvar os dados como texto, ele mudará o jpeg no melhor dos casos e o tornará inutilizável no pior.