如何使用c＃.net识别文件是文本文件还是其他文件

Question

我需要将文件作为文本文件访问，并希望稍后处理它。但在我获取它之前，我如何识别我正在采取的文件只是一个文本文件。如果文件是另一种格式，我的整个代码会错误地解释。我想访问和处理只有文本文件。

目前我正在使用：

StreamReader objReader = new StreamReader(filePath);

我怎样才能在C＃.NET中这样做？

Answer 1

嗯，你可以申请一些启发式方法：

• 使用文件扩展名。如果它是“.txt”那么它可能是一个文本文件，如果它是“.jpg”，它可能不是，等等。
• 如果你知道该文件应该是什么编码，请检查它是否在该编码中有效
• 检查文件开头的常用“幻数”以识别各种众所周知的二进制文件类型
• 如果它是一个西方文档，请检查如果您将文件作为文本文件读取，大多数文件具有相对较低的Unicode值（通常小于U + 0100，但您可能希望查看各种Unicode代码图表自己决定）
• 除了回车，换行和标签
之外，文字文件往往没有U + 0020以下的多个字符

但基本上它都是启发式的。在一天结束时，文件是名称和一些字节，以及有关访问权限的一些元数据。在某些文件系统中，可以有更多可用的元数据，但是在复制文件时通常很难获得并且通常不会保留 - 因此不应该依赖于此。

Answer 2

如果您想获得文件的扩展名，可以使用

Path.GetExtension 方法

Answer 3

  

如果文件是另一种格式，我的整个代码会错误地解释。

当然，如果您期望文本文件并最终获得二进制文件，您的代码将错误地解释它。但是对于任何无效的文本文件也是如此：如果你期望它不是逗号分隔的话怎么办？或者不是json，那就是你想要的？或者是你无法处理的编码？

关键是，除非你只是复制文本或用它做一些非常低级的东西，否则你需要比文本和二进制更多的检查。你应该（可能）检查整个文件是否符合你的需要。这将捕获传入您的程序的任何非文本文件！