Question

我正在参加UNIX的入门课程，并有一个以下的作业问题：

上一个问题中有多少个文件是文本文件？文本文件是包含人类可读内容的任何文件。（TRICK QUESTION。在文件上运行file命令，看看文件是文本文件还是二进制数据文件！如果你只计算.txt扩展名的文件数，你就不会得到这个问题的分数。）

上一个问题只询问了有多少常规文件，这很容易通过find . -type f | wc -l找出。

我只是在确定“人类可读内容”是什么时遇到了问题，因为我认为它除了二进制/汇编之外还有其他内容，但我认为这是-type f显示的内容。也许那就是教授所说的“技巧问题”？

这个问题后面有一个跟进，也问“什么文本文件包含字符串”csc“在任何大小写的混合？”。显然，“text”指的不仅仅是.txt个文件，但我需要弄清楚第一个问题来确定这个！

Answer 1

为清晰起见，增加了引号：

对文件运行“file”命令，以查看该文件是文本文件还是二进制数据文件！

file命令将检查文件并告诉您它们看起来是什么类型的文件。 “文本”一词（几乎）总是在文本文件的描述中。

例如：

desktop.ini:   Little-endian UTF-16 Unicode text, with CRLF, CR line terminators
tw2-wasteland.jpg: JPEG image data, JFIF standard 1.02

因此，第一部分要求您运行file命令并解析其输出。

我只是在确定“人类可读内容”是什么时遇到了问题，因为我认为它除了二进制/汇编之外还有其他任何内容，但我认为这就是-type f显示的内容。

find -type f找到文件。它过滤掉其他文件系统对象，如目录，符号链接和套接字。它会匹配任何类型的文件：二进制文件，文本文件，任何东西。

也许这就是教授所说的“技巧问题”？

听起来他只是说不做find -name '*.txt'或某些此类命令来查找文本文件。不要假设特定的文件扩展名。文件扩展名在UNIX中的含义远远低于在Windows中的含义。很多文件甚至没有文件扩展名！

我认为教授希望我们能够对所有文件运行文件命令，并计算其中包含“text”的文件数。

多部分答案怎么样？我将在＃1中给出直截了当的解决方案，这可能是你的教授正在寻找的。如果你有兴趣，我会解释它的缺点以及如何改进它。

如果您已经了解了这一点，可以使用xargs。 xargs运行另一个命令，使用stdin中的数据作为该命令的参数。

$ find . -type f | xargs file
./netbeans-6.7.1.desktop: ASCII text
./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
./VMWare:                 cannot open `./VMWare' (No such file or directory)
(copy).desktop:           cannot open `(copy).desktop' (No such file or directory)
./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable

有效。有点。这对家庭作业来说已经足够了。但对于现实世界的剧本来说还不够好。

注意文件VMWare (copy).desktop是如何破坏的，因为它有一个空格。这是由于xargs在空格上拆分参数的默认行为。我们可以通过使用xargs -0在NUL字符而不是空格上拆分命令参数来解决这个问题。文件名不能包含NUL字符，因此可以处理任何内容。
```
$ find . -type f -print0 | xargs -0 file
./netbeans-6.7.1.desktop: ASCII text
./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
./VMWare (copy).desktop:  a /usr/bin/env xdg-open script text executable
./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable
```

这对于生产脚本来说已经足够了，而且你会遇到很多东西。但我个人更喜欢不需要管道的替代语法，因此效率稍高。

$ find . -type f -exec file {} \;
./netbeans-6.7.1.desktop: ASCII text
./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
./VMWare (copy).desktop:  a /usr/bin/env xdg-open script text executable
./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable

要理解这一点，-exec会反复调用file，将{}替换为找到的每个文件名。分号\;标记file命令的结尾。

Answer 2

有一种简单明了的方法可以确定文件是否是人类可读的文本文件，只需使用file --mime-type <filename>并查找'text/plain'即可。无论文件是否具有结尾或者具有与.txt不同的结尾

，它都将起作用

所以你会这样做：

FILES=`find $YOUR_DIR -type f`

for file in $FILES ;
do

mime=`/usr/bin/file --mime-type $YOUR_DIR/$file | /bin/sed 's/^.* //'`

if [ $mime = "text/plain" ];  then      
    fileTotal=$(( fileTotal + 1 ))
    echo "$fileTotal - $file"
fi

done

echo "$fileTotal human readable files found!"

输出就像：

1 - /sampledir/samplefile
2 - /sampledir/anothersamplefile
....
23 human readable files found!

如果您想进一步了解更多人类可读的mime类型（例如，HTML和/或XML计数？），请查看http://www.feedforall.com/mime-types.htm

如何计算Bash中所有人类可读的文件？

2 个答案: