Question

如果我想找到二进制数据，那么这个子程序是否有意义？

sub is_binary_data {
    my $data = shift;
    return $data =~ /\x00/;
}

Answer 1

你可以试试这个：

sub is_binary_data {
  my $data = shift;
  return $data =~ /[\x00-\x1F]/;
}

如果您的数据包含\ x20以下的任何字符（后者为空格），则应返回true。

Answer 2

始终有-B filename ，如果文件是二进制文件，则返回“true”。但是，正如amon所说，这取决于你对二进制的定义。来自 perlfunc ：

“检查文件的第一个块是否有奇怪的字符，例如奇怪的控制代码或设置了高位的字符。如果发现太多奇怪的字符（> 30％），则它是 - B档“

Answer 3

这取决于您对“二进制数据”的定义以及输入编码。如果您的脚本不使用编码并查看原始字节，即使在普通文本文件中也会找到空字节，例如当它们以UTF-16编码时（你好，Windows！）。

如果您对输入进行解码并对字符（而非字节）进行操作，则只有NUL字符才会触发二进制检测。但是，只有在知道编码时才有效。二进制文件通常不会被编码。

最后，这是一个鸡蛋或鸡蛋问题。对于ASCII和ASCII兼容的编码，您的解决方案（使用@sergio扩展范围）在按字节操作时将起作用，但会产生误报。

use Encode;
my $text = "abc";
my ($utf16bytes,$utf8bytes) = map{encode $_, $text} qw(UTF-16 UTF-8);
say "UTF-16 bytes contain NUL bytes." if $utf16bytes =~ /\x00/;
say "UTF-8  bytes contain NUL bytes." if $utf8bytes  =~ /\x00/;

输出：

UTF-16 bytes contain NUL bytes.

过滤掉二进制数据

3 个答案: