unix – 如何区分’二进制’和’文本’文件？
|
非正式地，我们大多数人理解，有’二进制’文件(目标文件，图像，电影，可执行文件，专有文档格式等)和’文本’文件(源代码，XML文件，HTML文件，电子邮件等)。
一般来说，你需要知道一个文件的内容，以便能够做任何有用的事情，并形成这个观点，如果编码是’二进制’或’文本’，这并不重要。当然，文件只是存储字节数据，所以它们都是“二进制”和“文本”并不意味着什么，而不知道编码。但是，仍然有用的谈论’二进制’和’文本’文件，但为了避免违反任何人的这个不精确的定义，我会继续使用’scare’引号。 但是，有各种工具可以处理各种各样的文件，在实际情况下，您想根据文件是“文本”还是“二进制”来做不同的操作。一个例子是在控制台上输出数据的任何工具。纯文本’看起来很好，是有用的。 ‘二进制’数据混乱了你的终端，一般没有用看看。 GNU grep至少在确定是否应该输出与控制台匹配时使用此区别。 所以，问题是，你怎么知道一个文件是“文本”还是“二进制”？而进一步限制，你如何告诉一个像Linux的文件系统？我不知道任何文件系统元数据指示一个文件的’类型’，所以问题进一步变成，通过检查文件的内容，我如何判断它是’文本’还是’二进制’？为了简单起见，我们将“文本”限制为可在用户控制台上打印的字符。特别是你将如何实现这一点？ (我认为这是隐含在这个网站，但我想这是有帮助的，一般来说，指向现有的代码，这样做，我应该指定)，我不是真的可以使用现有的程序，这个。
我们的软件读取一些二进制文件格式以及文本文件。
我们首先看一下我们认识的magic number的前几个字节。如果我们不识别任何我们读取的二进制类型的幻数，那么我们查看文件的第一个2K字节，看看它是否似乎是一个UTF-8，UTF-16或在当前code page编码的文本文件的主机操作系统。如果它不通过这些测试，我们假定它不是一个我们可以处理的文件，并抛出一个适当的异常。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |