1. 项目概述：为什么我们要“解剖”一个绘画软件的文件格式？

如果你是一个数字绘画的深度爱好者，或者像我一样，曾经在寻找一款轻量、响应快、手感独特的绘画软件时，PaintTool SAI 这个名字一定不会陌生。它以其流畅的笔刷模拟、极低的系统资源占用和独特的“抖动修正”功能，在众多专业绘画软件中占据了一席之地，尤其受到日系插画师和漫画创作者的偏爱。然而，SAI 有一个让很多用户又爱又恨的特点——它使用的是一个封闭的、未公开的专有文件格式，也就是我们常说的.sai或.sai2文件。

这个项目，就是一次对 PaintTool SAI 文件格式的深度探索。它不是一个简单的“如何打开SAI文件”的教程，而是一次技术上的“逆向工程”之旅。我们试图去理解.sai文件内部是如何组织图层、笔刷、颜色、画布信息等数据的。为什么要做这件事？原因很实际：数据安全与创作自由。你是否遇到过 SAI 软件崩溃，文件损坏却无法用其他软件打开的绝望？或者想把多年前的.sai源文件迁移到新软件（如 Clip Studio Paint、Krita）中，却发现图层结构、混合模式全部丢失，只剩一张合并的图片？这些问题，都源于我们对这个“黑盒”文件格式的无知。

通过探索其文件格式，我们不仅能开发出简单的文件修复工具、格式转换器，更能深入理解数字绘画软件底层的数据逻辑。这对于开发者而言，是学习软件架构的绝佳案例；对于艺术家而言，是为自己的数字资产加上一层“保险”。网络上关于.sai格式的公开资料非常零散且陈旧，尤其是新版.sai2格式。本次探索，我将结合自己的实践，系统性地梳理其结构，并分享如何用免费、开源的工具进行初步解析。

2. 核心需求解析：从“打不开”到“看得懂”的痛点

在深入二进制数据之前，我们必须明确，破解一个文件格式，最终是为了解决哪些实际问题。这决定了我们探索的深度和方向。

2.1 数据恢复与文件修复

这是最刚需的场景。SAI 在异常关闭时，有时会生成损坏的.sai文件。软件本身自带的恢复功能并非万能。如果我们能理解文件的基本结构，比如文件头、数据块的划分，就有可能编写脚本，尝试剥离损坏的部分，抢救出尚完好的图层数据，甚至只是恢复出合并后的图像，这都比完全丢失作品要好得多。

2.2 跨软件工作流与格式转换

许多画师会同时使用多款软件。可能在 SAI 中起稿、铺色，因为其手感一流，然后导入到 Photoshop 或 Clip Studio Paint 中进行后期处理和特效添加。目前，这个过程通常需要导出为.psd或.png等通用格式，但这就丢失了所有可编辑的图层、图层组、混合模式、矢量图层信息。一个理想的转换器，应该能尽可能多地将.sai中的元素“无损”或“高保真”地转换到目标格式中。

2.3 自动化脚本与批量处理

对于需要处理大量 SAI 文件的场景，比如游戏美术团队统一检查文件规范、批量修改画布尺寸、提取所有文件的缩略图等，如果只能手动打开每个文件，效率极低。理解文件格式后，我们可以编写外部脚本，直接读取文件中的特定信息（如分辨率、图层数、创建时间）或进行批量修改，而无需启动 SAI 软件本身。

2.4 学术研究与技术学习

对于软件开发者或计算机图形学学生来说，SAI 的文件格式是一个研究位图与矢量混合编辑、笔刷参数序列化、用户界面状态保存的绝佳样本。它的设计肯定考虑了存储效率、读取速度和向前/向后兼容性，这些设计思路本身就具有很高的学习价值。

3. 文件格式探索方法论：如何“打开”一个二进制黑盒

面对一个未知的二进制文件，我们不能像无头苍蝇一样乱撞。需要一套系统的方法论。这里我分享我探索.sai2格式时采用的步骤，这套方法同样适用于分析其他未公开格式的文件。

3.1 工具准备：免费的“手术刀”套装

工欲善其事，必先利其器。我们不需要昂贵的专业逆向软件，以下免费工具组合足以应对大部分情况：

1. 十六进制编辑器：这是我们的主战场。推荐HxD（Windows）或Bless（Linux），它们免费、轻量、功能强大。用于直接查看和编辑文件的原始字节。
2. 文本编辑器：用于查看文件中可能包含的明文字符串，如V、layr、CMKY等标识符。Notepad++ 或 VS Code 均可。
3. 编程环境：用于编写解析脚本。Python是最佳选择，因为它有强大的struct模块处理二进制数据，以及丰富的库（如PIL/Pillow用于图像处理）。完全免费。
4. 对比样本：创建多个有控制的 SAI 文件。例如：
   • 一个单图层、纯色背景的文件。
   • 一个包含多个普通图层、且每个图层内容不同的文件。
   • 一个包含图层组、调整图层、文字图层（如果SAI有的话，实际上SAI没有文字图层，但可以测试其他类型）的文件。
   • 一个使用了特定笔刷和混合模式的文件。
   • 将这些文件用“另存为”功能，生成.sai和.sai2版本进行对比。

3.2 逆向分析的核心思路：差异对比与逻辑推断

这是整个过程的精髓。我们不是猜，而是通过科学对比来推断。

1. 文件头识别：用十六进制编辑器打开一个正常的.sai2文件，看最开始的几个字节。通常这里会有“魔数”（Magic Number）来标识文件类型。通过对比多个.sai2文件，确认开头的固定字节序列。例如，可能以特定的字节串开始。
2. 结构猜测：二进制文件通常由不同的“数据块”（Chunk）组成。每个块可能有自己的标识符（ID）、长度（Length）和数据体（Data）。通过创建内容迥异的两个文件（如文件A只有1个图层，文件B有10个图层），然后用二进制比较工具（如fc /b命令）或直接在十六进制编辑器中肉眼对比，找到文件大小差异巨大的区域。这个区域很可能就是存储图层数据的地方。
3. 数据类型解析：观察特定位置的数据。
   • 如果看到00 00 00 01，这可能是一个整数1（取决于字节序，SAI 很可能是小端序，即低位在前，所以读作0x01000000才是1？不，小端序下01 00 00 00才是1。需要验证）。
   • 如果看到41 48 00 00，这可能是单精度浮点数12.5（需要借助 Pythonstruct.unpack(‘<f’， b’\x41\x48\x00\x00’)来验证）。
   • 如果看到连续的FF FF FF FF或00 00 00 00，可能是表示颜色（ARGB）或空数据。
   • 明文字符串可能会直接出现，如"Normal"（混合模式）或笔刷名称。
4. 长度前缀：很多数据（如图层名、笔刷名）会先有一个表示字符串长度的整数（可能是1字节、2字节或4字节），后面紧跟字符串内容。通过修改图层名（如从“Layer 1”改为“Layer 1 - Updated”），观察文件中哪些字节发生了变化，从而确定字符串的存储位置和长度编码方式。

实操心得：在逆向过程中，保持详细的实验记录至关重要。我通常会创建一个电子表格，记录每个测试文件的内容、文件大小，以及在十六进制编辑器中发现的疑似关键偏移量（如0x120到0x150疑似第一个图层数据开始）。通过横向对比，规律会逐渐浮现。

4. SAI文件格式结构深度解析（基于实践推测）

需要郑重声明：以下结构是我通过分析多个.sai2文件样本得出的推测性结论，并非官方文档。SAI 的官方格式并未公开，因此可能存在错误或不完整之处。但这个过程本身和得出的结构模型，对于理解和解析此类文件具有通用指导意义。

4.1 整体文件布局猜想

一个典型的.sai2文件可能遵循一种“索引头 + 数据块”的复合结构。这类似于 RIFF（资源交换文件格式，用于.avi,.wav）或 PNG 的块式结构，但具体实现是私有的。

[文件开始] ├── 文件头 (Header) │ ├── 魔数/签名 (Magic Number， 固定字节序列，标识这是SAI2文件) │ ├── 版本号 (File Version， 用于区分不同SAI版本生成的文件) │ ├── 画布信息块 (Canvas Info Chunk) │ │ ├── 画布宽度 (Width， 4字节整数) │ │ ├── 画布高度 (Height， 4字节整数) │ │ ├── 分辨率 (DPI， 可能为4字节整数或浮点数) │ │ └── 色彩模式 (Color Mode， 如RGB=0， CMYK=1， 1字节枚举) │ └── 全局索引表 (Global Index Table) │ ├── 图层块起始偏移量 (Offset to Layer Chunk) │ ├── 笔刷预设块起始偏移量 (Offset to Brush Preset Chunk) │ ├── 工作区状态块起始偏移量 (Offset to Workspace Chunk， 存储窗口布局、颜色面板等) │ └── ... 其他数据块指针 ├── 图层数据区 (Layer Data Section) │ ├── 图层数量 (Layer Count， 4字节整数) │ ├── 图层1信息头 (Layer 1 Header) │ │ ├── 图层类型 (普通图层、文件夹/图层组、线性减淡图层等， 1或4字节) │ │ ├── 图层名长度 (Layer Name Length， 1或2字节) │ │ ├── 图层名 (Layer Name， 变长字符串) │ │ ├── 混合模式 (Blend Mode， 如正常、正片叠底等， 编码为整数) │ │ ├── 不透明度 (Opacity， 1字节，0-255) │ │ ├── 可见性标志 (Visible Flag， 1字节布尔值) │ │ ├── 图层位置与尺寸 (X， Y， Width， Height， 可能都是4字节整数) │ │ └── 像素数据指针/压缩标志 (Pointer to Pixel Data or Compression Flag) │ ├── 图层1像素数据 (Layer 1 Pixel Data) │ │ └── （可能是压缩的ARGB位图数据，SAI可能使用简单的RLE或自定义压缩） │ ├── 图层2信息头... │ └── ... ├── 笔刷预设区 (Brush Preset Section) │ └── （存储了所有自定义笔刷的参数，如笔尖形状、纹理、流量、抖动修正强度等，结构复杂） └── 杂项数据区 (Miscellaneous Data) └── （可能包含历史记录快照、选区蒙版、参考线等数据） [文件结束]

4.2 关键数据块详解与Python解析示例

让我们用 Python 来尝试解析一些我们推测出的简单结构。假设我们通过对比，发现画布宽度和高度存储在文件开头的某个固定偏移量。

import struct def parse_canvas_info(file_path): """ 尝试解析 .sai2 文件的画布基本信息。 注意：偏移量（offsets）是假设的，需要根据实际分析调整。 """ with open(file_path, 'rb') as f: # 以二进制模式读取 data = f.read() # 假设1: 文件头签名，例如 'SAI2' 的某种编码 # 偏移量 0x00 - 0x03 signature = data[0:4] print(f"文件签名 (假设): {signature.hex()} 或 {signature}") # 假设2: 画布宽度和高度是紧接在签名后的两个4字节整数（小端序） # 偏移量 0x04 - 0x0B # 使用 struct.unpack 解析二进制数据，'<‘ 表示小端序，’I’ 表示无符号4字节整数 canvas_width， canvas_height = struct.unpack('<II', data[4:12]) print(f"画布宽度: {canvas_width} 像素") print(f"画布高度: {canvas_height} 像素") # 假设3: DPI 信息在宽度/高度之后，可能是4字节整数 # 偏移量 0x0C - 0x0F dpi = struct.unpack('<I', data[12:16])[0] print(f"分辨率: {dpi} DPI") # 假设4: 色彩模式在DPI之后，是1字节枚举 (0=RGB， 1=CMYK) # 偏移量 0x10 color_mode = data[16] color_mode_str = "RGB" if color_mode == 0 else "CMYK" if color_mode == 1 else f"未知({color_mode})" print(f"色彩模式: {color_mode_str}") # 使用示例 parse_canvas_info("你的测试文件.sai2")

这段代码的意义：它不是一个通用的.sai2解析器，而是一个探索工具。你需要通过修改偏移量（0x04， 0x0C， 0x10）和数据类型（‘<I’还是‘<f’浮点数），并对比多个实际文件的输出，来验证你的猜想是否正确。如果对于所有测试文件，canvas_width都能正确读出设定的画布宽度，那么这个偏移量和数据类型的假设就很有可能是对的。

4.3 图层名解析示例

图层名通常是变长字符串，前面会有一个长度标识。

def parse_layer_name_at_offset(data， offset): """ 从指定偏移量开始，解析一个可能带有长度前缀的字符串。 常见模式：1字节长度 + UTF-8字符串。 """ # 读取1字节作为字符串长度 name_length = data[offset] print(f"在偏移量 {hex(offset)} 处读取到的长度字节: {name_length}") # 字符串内容从下一个字节开始 string_start = offset + 1 string_end = string_start + name_length # 解码为UTF-8字符串，忽略错误（因为二进制文件中可能有非文本数据） layer_name = data[string_start:string_end].decode('utf-8', errors='ignore') print(f"解析出的图层名: '{layer_name}'") return name_length + 1， layer_name # 返回消耗的字节数和图层名 # 假设我们在偏移量 0x100 处怀疑是图层名 # total_consumed， name = parse_layer_name_at_offset(file_data， 0x100)

注意事项：字符串的编码不一定是 UTF-8，也可能是 UTF-16LE（在日文软件中常见），或者带有 BOM（字节顺序标记）。如果按 UTF-8 解析出来是乱码，可以尝试decode('utf-16le')。同样，长度前缀也可能是2字节（struct.unpack(‘<H’， ...)）甚至4字节整数。

5. 实战：构建一个简单的SAI文件信息提取器

基于以上的探索和假设，我们可以尝试编写一个相对实用的脚本，它能从.sai2文件中提取出一些基本且有用的信息，而无需打开 SAI 软件。

5.1 设计目标与功能规划

我们的工具不追求完全解析所有数据，而是实现以下几个有限但实用的目标：

1. 验证文件完整性：快速检查文件头签名是否正确，判断是否是一个有效的（或未严重损坏的）SAI2文件。
2. 提取元数据：读取并显示画布尺寸、分辨率、色彩模式。
3. 列举图层：尝试找出所有图层，并列出它们的名称、类型（普通/文件夹）、可见性和大致位置。
4. 生成预览图：尝试解压第一个可见图层的像素数据（或所有图层合并），生成一张低分辨率的 PNG 预览图，用于文件管理器缩略图或快速浏览。

5.2 分步实现与代码剖析

由于完整的代码很长，这里我将分模块阐述关键逻辑。

第一步：定位图层列表区域这是最困难的一步。我们可以采用“启发式搜索”。我们知道图层名是明文字符串。我们可以从文件中部开始，搜索常见的图层默认名或混合模式字符串的字节序列。

def find_potential_layer_list(data): """ 通过搜索常见关键词来定位图层数据区的大致位置。 这是一个非常粗糙但有时有效的方法。 """ import re # 搜索 "Normal"（正常混合模式）的 UTF-8 字节 normal_bytes = b'Normal' # 搜索 "Layer" 的字节 layer_bytes = b'Layer' matches = [] for match in re.finditer(re.escape(normal_bytes)， data): matches.append(('混合模式“Normal”', match.start())) for match in re.finditer(re.escape(layer_bytes)， data): matches.append((f'字符串“Layer”', match.start())) # 按偏移量排序 matches.sort(key=lambda x: x[1]) print("找到的潜在文本位置：") for desc， pos in matches[:10]: # 只显示前10个 print(f" {desc} 在偏移量 {hex(pos)}") # 通常，第一个出现的“Layer”附近可能就是图层列表开始的地方。 return matches

第二步：解析图层信息块假设我们通过对比，确定了图层信息块有一个相对固定的头部结构。例如，每个图层条目以固定的标识字节（如0x4C 0x41 0x59 0x52，即"LAYR"的 ASCII）开始，后面跟着长度、类型、属性等。

def parse_layer_chunk(data， start_offset): """ 从给定的偏移量开始，尝试解析一个图层块。 这是一个高度假设性的函数，结构需要反复测试调整。 """ offset = start_offset layer_info = {} # 假设1: 4字节块标识 “LAYR” chunk_id = data[offset:offset+4] if chunk_id != b'LAYR': # 这个标识符是假设的！ print(f"在偏移量 {hex(offset)} 未找到预期的图层块标识。") return None， offset offset += 4 print(f"找到图层块标识 at {hex(start_offset)}") # 假设2: 4字节块长度（不包括标识和长度本身） chunk_size = struct.unpack('<I', data[offset:offset+4])[0] offset += 4 print(f"图层块大小: {chunk_size} 字节") # 假设3: 图层属性（1字节类型，1字节可见性，1字节不透明度...） layer_type = data[offset] offset += 1 visible = bool(data[offset]) offset += 1 opacity = data[offset] offset += 1 layer_info['type'] = layer_type layer_info['visible'] = visible layer_info['opacity'] = opacity # 假设4: 图层名（1字节长度 + 字符串） name_len = data[offset] offset += 1 layer_info['name'] = data[offset:offset+name_len].decode('utf-8', errors='ignore') offset += name_len # 假设5: 图层位置和尺寸（4个4字节整数，小端序） x， y， width， height = struct.unpack('<iiii', data[offset:offset+16]) offset += 16 layer_info['rect'] = (x， y， width， height) # 假设6: 像素数据指针或内联数据标志 # ... 这里可能是一个偏移量，指向文件另一部分的像素数据。 # 为了简化，我们暂时不处理像素数据。 # 返回解析到的信息，以及下一个块的起始偏移量 next_chunk_start = start_offset + 4 + 4 + chunk_size # 标识 + 长度 + 数据体 return layer_info， next_chunk_start

第三步：组装与输出我们将上述函数组合起来，遍历文件，收集所有能识别的图层信息，并以友好的方式（如JSON或控制台表格）输出。

def extract_sai2_info(file_path): print(f"正在分析文件: {file_path}") with open(file_path, 'rb') as f: data = f.read() # 1. 解析画布基本信息（使用之前假设的偏移量） canvas_info = {} try: canvas_info['width'], canvas_info['height'] = struct.unpack('<II', data[4:12]) canvas_info['dpi'] = struct.unpack('<I', data[12:16])[0] canvas_info['color_mode'] = "RGB" if data[16] == 0 else "CMYK" except Exception as e: print(f"解析画布信息时出错: {e}") canvas_info = {} # 2. 尝试查找并解析图层 layers = [] # 假设图层列表从偏移量 0x200 开始（这需要你通过 find_potential_layer_list 确定） current_offset = 0x200 max_offset = len(data) - 64 # 预留一些空间，防止越界 while current_offset < max_offset: layer， next_offset = parse_layer_chunk(data， current_offset) if layer is None: # 没找到有效图层块，尝试向后滑动一个字节继续搜索（效率低，仅作演示） current_offset += 1 continue layers.append(layer) current_offset = next_offset if len(layers) > 50: # 安全限制，防止死循环 break # 3. 打印结果 print("\n=== 文件信息摘要 ===") print(f"画布: {canvas_info.get('width', 'N/A')} x {canvas_info.get('height', 'N/A')} @ {canvas_info.get('dpi', 'N/A')}DPI") print(f"色彩模式: {canvas_info.get('color_mode', 'N/A')}") print(f"发现图层数: {len(layers)}") print("\n=== 图层列表 ===") for i， layer in enumerate(layers): print(f"{i+1}. [{'可见' if layer['visible'] else '隐藏'}] {layer['name']} (不透明度: {layer['opacity']})") print(f" 位置/尺寸: ({layer['rect'][0]}, {layer['rect'][1]}) - {layer['rect'][2]}x{layer['rect'][3]}") # 运行 extract_sai2_info("你的作品.sai2")

5.3 注意事项与局限性

1. 高度不确定性：以上所有偏移量、标识符、数据结构都是基于有限样本的推测。不同的SAI版本、不同的文件内容（如是否包含矢量图层、调整图层）可能会导致结构发生变化。这个脚本很可能无法解析所有.sai2文件，甚至可能解析失败。
2. 像素数据是难点：图层像素数据的压缩算法是未公开的核心。上述脚本只解析了元数据，没有处理实际的图像像素。要解压像素数据，需要更深入的反汇编或通过大量样本进行黑盒测试，推测其压缩模式（可能是简单的行程编码RLE变种）。
3. 性能与健壮性：示例中的搜索和解析逻辑非常初级，不适合处理大型或损坏的文件。生产环境下的工具需要更严谨的错误处理和更高效的数据定位算法。

6. 常见问题、排查技巧与扩展思考

在探索和编写解析工具的过程中，我遇到了无数问题。这里把一些典型的坑和解决思路记录下来。

6.1 问题排查速查表

6.2 扩展思考：从解析到创造

理解文件格式的终极目的，不仅仅是读取，有时甚至是写入。但这风险极高，因为一个字节的错误就可能导致SAI无法识别甚至崩溃。更可行的扩展方向包括：

1. 开发图形化的“SAI文件浏览器”：使用 Python 的 GUI 库（如 Tkinter， PyQt），将上述信息提取功能包装成一个有界面、能显示图层树和预览图的小工具。
2. 实现单向的“SAI to PSD”转换核心：专注于将图层名、位置、可见性、混合模式（映射到PSD最接近的模式）和解压后的像素数据，通过psd-tools这样的库写入到.psd文件中。即使不能100%还原，也能极大保留编辑性。
3. 参与开源社区：将你的发现以文档或代码片段的形式，贡献给GIMP、Krita等开源绘画软件社区。也许你的工作能成为它们未来支持导入.sai格式的一块基石。

6.3 最后的建议与心得

逆向工程一个活跃软件的私有格式，就像在黑暗中拼凑一幅没有图纸的拼图。它需要极大的耐心、严谨的记录和科学的实验方法。不要指望一蹴而就。从最简单的文件（单色背景，一个图层）开始，每验证一个假设，就离真相更近一步。

这个过程最大的收获，其实不是最终那个能解析文件的脚本，而是你学会了一套分析复杂二进制系统的方法论。这套方法可以迁移到分析其他文件格式、网络协议甚至游戏存档上。它锻炼的是你的逻辑推理、细心观察和系统性测试的能力。

对于绝大多数艺术家用户，我仍然建议定期将.sai文件另存为.psd或导出分层.png作为备份，这是最稳妥的数据安全策略。而这个探索项目，则为我们打开了一扇窗，让我们得以窥见自己所依赖的数字工具内部那精密而有趣的世界。当你的作品不仅仅是屏幕上显示的像素，而是一串可以被理解和操纵的字节时，你与你的创作之间，便建立起了一种更深刻、更可控的连接。