MIDI文件属于二进制文件，这种文件一般都有如下基本结构: 文件头+数据描述

文件头一般包括文件的类型，因为Midi文件仅以.mid为扩展名的就有0类和1类两种，而大家熟悉的位图文件的格式就更多了，所以才会出现文件头这种东西。

而数据描述部份是主体，我们现在来一起分析它的结构:

在每个Midi文件的开头都有如下内容，它们的十六进制代码为:“4d 54 68 64 00 00 00 06 ff ff nn nn dd dd”。

前四个是ASCII字符“MThd”是用来鉴别是否Midi文件，而随后的四个字节是指明文件头描述部分的字节数，它总是6，所以一定是“00 00 00 06”，以下是剩余部分的含义：

以上就是MIDI文件头了，后面的所有内容都是真正做事的，我们先来看看它的构成。

MIDI的数据是由若干个格式相同的子数据构成的，这些子数据在多音轨的格式中记录了一个轨道的所有信息。多加一个音轨，就简单地把数据追加在前一音轨的后面就可以了，不过不要忘记更改文件头中的nn nn(轨道数)。

先看全局音轨。全局音轨包括歌曲的附加信息(比如标题和版权)、歌曲速度和系统码(Sysx)等内容。

不管是全局音轨还是含有音符的音轨，都以“4D 54 72 6B”开头，它其实是ASCII字符“MTrk”，其后跟着一个4个字节的整数，它标志了该轨道的字节数，这不包括前面的4个字节和本身的4个字节。这一点，我们可以在后面的例子中去理解。

接着就是记录数据的地方了，每一个数据有着相同的结构:时间差+事件。

所谓时间差，指的是前一个事件到该事件的时间数，它的单位是tick(MIDI的最小时间单位)。它的构成比较特殊，这里要用二进制来说明。

一 个字节有8位，如果仅使用7位，它可以表示0~127这128个数，而剩下的一位，则用来作为标志。如果要表示的数在以上范围，则这个标志为0，这时，一 个7位的字节可以表示0~127tick。如果要表示的数超出了这个范围(比如240)，则把标志设置成1，然后记录下高7位，剩下的留给下一个字节，在 该例中240可以分解成128*1+112，这里的1就是第一个字节要记录的，加上标志位，应该为10000001，即十六进制的81；而112是下一个 字节记录的，它的十六进制为70:所以要表示240这个时间，要写成81 70。同理，如果要表示65535tick，则可以先计算出65535=1282*3+1281*127+1280*127，然后得出结果:83 FF 7F。由此，我们反过来也可以知道如何确定时间差:只要标志位为0，则表示结束读取时间差。比如82 C0 03表示1282*2+1281*64+1280*3=40963，如果基本时间为120，则有341:043个四分音符。

以这种方式记录整数的字节称为动态字节，它根据记录的整数改变自身的长度，这在后面还要用到，所以必须熟练计算。

看完了这么麻烦的东西，我们再来看个更麻烦的东西:事件。在这些标准的解释后面，我们会通过一些例子来进一步掌握这些内容。

事件大体上可以分为音符、控制器和系统信息这几个种类。对于这些事件，都有统一的表达结构:种类+参数。

对于一个音符，由于它的有效范围是0~127，所以直接用00~7F作为“种类”，可以认为是个音符，比如3C表示中央C。而一个音符的最重要的参数是力度(也叫速度:velocity)。比如，3C 64 表示一个力度为十进制100的中央C音符。

因为一个字节有8位，所以剩余的一位如果置1，再联合其他的7位，则可以表示各种信息。我们暂且无视一个音轨到底是全局的还是用于记录音符的。它们归根结底都是用来记录各种事件的，只不过有些应出现在全局音轨比较合乎逻辑而已。既然这样，我们就可以从下面的表来看事件:

下表中，x表示音轨0~F，比如81表示松开第二轨的音符。

下表详细地列出了FF的详细情况，对于字节数由数据决定的情况，表中以“--”表示。