Determinare il tipo di file binario / di testo in Java?

Question

Vale a dire, come diresti un file di archivio (jar / rar / etc.) da uno testuale (xml / txt, indipendente dalla codifica)?

Answer 1

Non esiste un modo garantito, ma qui ci sono un paio di possibilità:

1) Cerca un'intestazione sul file. Sfortunatamente, le intestazioni sono specifiche del file, quindi mentre potresti essere in grado di scoprire che è un file RAR, non otterrai la risposta più generica se si tratta di testo o binario.

2) Contare il numero di caratteri rispetto ai tipi non di carattere. I file di testo saranno per lo più caratteri alfabetici mentre i file binari - specialmente quelli compressi come rar, zip e simili - tenderanno a rappresentare i byte in modo più uniforme.

3) Cerca un modello periodicamente ripetuto di newline.

Answer 2

Esegui file -bi {nomefile} . Se qualunque cosa restituisca inizia con 'text /', allora non è binario, altrimenti lo è. ; -)

Answer 3

L'ho fatto io. Un po 'più semplice, ma per le lingue latine, dovrebbe funzionare bene, con la regolazione del rapporto.

/**
 *  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;
}

Answer 4

Dai un'occhiata alla JMimeMagic .

  

jMimeMagic è una libreria Java per   determinare il tipo di file MIME o   ruscelli.

Answer 5

Uso della classe di file 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;
        }
    }

Answer 6

Ho usato questo codice e funziona abbastanza bene per il testo inglese e tedesco:

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\\.\\*!\"§\\$\\%&/()=\\?@~'#:,;\\"+
            "+><\\|\\[\\]\\{\\}\\^°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;
}

Answer 7

Se il file è composto dai byte 0x09 (scheda), 0x0A (avanzamento riga), 0x0C (avanzamento modulo), 0x0D (ritorno a capo) o da 0x20 a 0x7E, è probabilmente il testo ASCII.

Se il file contiene altri caratteri di controllo ASCII, da 0x00 a 0x1F esclusi i tre precedenti, probabilmente sono dati binari.

Il testo UTF-8 segue uno schema molto specifico per tutti i byte con il bit di ordine elevato, ma non le codifiche a lunghezza fissa come ISO-8859-1. UTF-16 può spesso contenere il byte null (0x00), ma solo in ogni altra posizione.

Avresti bisogno di un'euristica più debole per qualsiasi altra cosa.

Answer 8

Solo per farti sapere, ho scelto un percorso piuttosto diverso. Nel mio caso, ci sono solo 2 tipi di file, le probabilità che ogni dato file sia binario sono alte. Quindi

1. presumi che il file sia binario, prova a fare ciò che dovrebbe essere fatto (ad esempio deserializzare)
2. cattura l'eccezione
3. tratta il file come testuale
4. se fallisce, c'è qualcosa che non va nel file stesso

Answer 9

Vedi http://en.wikipedia.org/wiki/Magic_number_ (programmazione)

Answer 10

Potresti provare lo strumento DROID .