Как определить двоичные и текстовые файлы с помощью Python? [дубликат]
C предназначен, чтобы быть шагом выше ассемблера. Оператор "if" C является действительно просто синтаксическим сахаром для "branch-if-zero", таким образом, идея булевских переменных как независимый тип данных была внешним понятием в то время. (1)
Даже сейчас, булевские переменные C/C++ обычно немного больше, чем псевдоним для единственного типа данных байта. По сути, это - действительно больше маркировки намерения, чем независимый тип данных.
(1), Конечно, современные компиляторы немного более совершенствуются в их обработке если операторы. Это с точки зрения C как новый язык.
4 ответа
Спасибо всем, я нашел решение, подходящее для моей проблемы. Я нашел этот код на http://code.activestate.com/recipes/173220/ и изменил лишь небольшую часть, которая мне подходит.
Он отлично работает.
from __future__ import division
import string
def istext(filename):
s=open(filename).read(512)
text_characters = "".join(map(chr, range(32, 127)) + list("\n\r\t\b"))
_null_trans = string.maketrans("", "")
if not s:
# Empty files are considered text
return True
if "\0" in s:
# Files with null bytes are likely binary
return False
# Get the non-text characters (maps a character to itself then
# use the 'remove' option to get rid of the text characters.)
t = s.translate(_null_trans, text_characters)
# If more than 30% non-text characters, then
# this is considered a binary file
if float(len(t))/float(len(s)) > 0.30:
return False
return True
По своей сути не просто. Невозможно узнать наверняка, хотя в большинстве случаев вы можете сделать достаточно хорошее предположение.
Что вы можете сделать:
- Ищите известные магические числа в двоичных подписях.
- Ищите байт Unicode- отметка порядка в начале файла
- Если файл регулярно имеет размер 00 xx 00 xx 00 xx (для произвольного xx) или наоборот, это вполне возможно UTF-16
- В противном случае ищите в файле нули; файл с 0 в вряд ли будет текстовым файлом с однобайтовой кодировкой.
Но все это эвристика - вполне возможно иметь файл, который является допустимым текстовым файлом и допустимый файл изображения, например. В виде текстового файла это, наверное, было бы чушью, но законным в той или иной кодировке ...
Если ваш скрипт работает на * nix, вы можете использовать что-то вроде этого:
import subprocess
import re
def is_text(fn):
msg = subprocess.Popen(["file", fn], stdout=subprocess.PIPE).communicate()[0]
return re.search('text', msg) != None
Можно было бы использовать libmagic , чтобы угадать MIME-тип файла с помощью python-magic . Если вы вернете что-то в пространстве имен "text / *" , это, скорее всего, текстовый файл, а все остальное, скорее всего, двоичный файл .