Определение типа двоичного/текстового файла в Java?

Ответ 1

Там нет гарантированного способа, но вот несколько возможностей:

1) Найдите заголовок в файле. К сожалению, заголовки зависят от файлов, поэтому, хотя вы можете узнать, что это RAR файл, вы не получите более общий ответ: текстовый или двоичный.

2) Подсчитайте количество символов и несимвольных типов. Текстовые файлы будут в основном алфавитными символами, в то время как двоичные файлы - особенно сжатые, такие как rar, zip и т.д. - будут иметь тенденцию иметь более равномерно представленные байты.

3) Найдите регулярный повторяющийся узор новых строк.

Ответ 2

Запустите file -bi {filename}. Если все, что возвращается, начинается с "text/", то оно не является двоичным, иначе оно есть.; -)

Ответ 3

Посмотрите на библиотеку JMimeMagic.

jMimeMagic - это библиотека Java для определение типа файлов MIME или потоков.

Ответ 4

Я сделал это. Немного проще, но для латинских языков он должен работать нормально, с регулировкой отношения.

/**
 *  Guess whether given file is binary. Just checks for anything under 0x09.
 */
public static boolean isBinaryFile(File f) throws FileNotFoundException, IOException {
    FileInputStream in = new FileInputStream(f);
    int size = in.available();
    if(size > 1024) size = 1024;
    byte[] data = new byte[size];
    in.read(data);
    in.close();

    int ascii = 0;
    int other = 0;

    for(int i = 0; i < data.length; i++) {
        byte b = data[i];
        if( b < 0x09 ) return true;

        if( b == 0x09 || b == 0x0A || b == 0x0C || b == 0x0D ) ascii++;
        else if( b >= 0x20  &&  b <= 0x7E ) ascii++;
        else other++;
    }

    if( other == 0 ) return false;

    return 100 * other / (ascii + other) > 95;
}

Ответ 5

Я использовал этот код, и он хорошо работает для английского и немецкого текста:

private boolean isTextFile(String filePath) throws Exception {
    File f = new File(filePath);
    if(!f.exists())
        return false;
    FileInputStream in = new FileInputStream(f);
    int size = in.available();
    if(size > 1000)
        size = 1000;
    byte[] data = new byte[size];
    in.read(data);
    in.close();
    String s = new String(data, "ISO-8859-1");
    String s2 = s.replaceAll(
            "[a-zA-Z0-9ßöäü\\.\\*!\"§\\$\\%&/()=\\[email protected]~'#:,;\\"+
            "+><\\|\\[\\]\\{\\}\\^°²³\\\\ \\n\\r\\t_\\-`´âêîô"+
            "ÂÊÔÎáéíóàèìòÁÉÍÓÀÈÌÒ©‰¢£¥€±¿»«¼½¾™ª]", "");
    // will delete all text signs

    double d = (double)(s.length() - s2.length()) / (double)(s.length());
    // percentage of text signs in the text
    return d > 0.95;
}

Ответ 6

Если файл состоит из байтов 0x09 (вкладка), 0x0A (строка), 0x0C (фид формы), 0x0D (возврат каретки) или 0x20 - 0x7E, то это, вероятно, текст ASCII.

Если файл содержит любой другой управляющий символ ASCII, от 0x00 до 0x1F, исключая три выше, то это, вероятно, двоичные данные.

Текст UTF-8 следует очень конкретному шаблону для любых байтов с битом высокого порядка, но кодировки с фиксированной длиной, такие как ISO-8859-1, не используются. UTF-16 часто может содержать нулевой байт (0x00), но только в любой другой позиции.

Вам понадобится более слабая эвристика для чего-нибудь еще.

Ответ 7

Просто чтобы вы знали, я выбрал совершенно другой путь. В моем случае есть только 2 типа файлов, вероятность того, что любой файл будет бинарным, высока. Так

• предположим, что файл двоичный, попробуйте сделать то, что должно быть сделано (например, deserialize)
• исключение catch
• обрабатывать файл как текстовый
• Если это не удается, что-то не так с самим файлом

Ответ 8

Использование класса файлов Java 7 http://docs.oracle.com/javase/7/docs/api/java/nio/file/Files.html#probeContentType(java.nio.file.Path)

boolean isBinaryFile(File f) throws IOException {
        String type = Files.probeContentType(f.toPath());
        if (type == null) {
            //type couldn't be determined, assume binary
            return true;
        } else if (type.startsWith("text")) {
            return false;
        } else {
            //type isn't text
            return true;
        }
    }

Ответ 9

См. http://en.wikipedia.org/wiki/Magic_number_(programming)

Ответ 10

Вы можете попробовать инструмент DROID.