如何在不使用文件实用程序的情况下判断文件是否为文本文件？

Question

我正处于bash脚本的中间，在某些时候需要区分两类文件：文本文件与非文本文件（图像，核心转储，二进制文件）。

通常，要查明神秘文件foo是否是文本文件而不依赖于文件扩展名，我会调用file foo并查看text是否在输出中的某个位置

如果操作系统没有file实用程序，该怎么办？编辑：唉，我没有权限在操作系统上安装任何东西。

如果可能的话，我更喜欢快速，本地和可移植的解决方案（可以在任何Linux机器上运行，而不是将文件发送到另一台计算机并要求它运行file）。

Answer 1

安装file应该是您的首选。如果这是不可能的，这里只是一个简单的尝试来测试文件是否是文本。以下内容读取文件的前1000个字符并测试是否存在不可打印的字符：

head -c1000 file | sed 's/[[:print:][:blank:]]//g' | grep -q . && echo "Not Text"

或者：

head -c1000 file | tr -d '[:print:][:blank:]' | grep -q . && echo "Not Text"

字符编码问题

为了使上述工作，sed（在上面的第一个命令中）或tr（在第二个命令中）需要理解文件的字符编码。 GNU sed期望的编码取决于当前的语言环境，它支持许多编码，包括UTF-8。正如mklement0在评论中指出的那样，GNU tr不支持UTF-8。根据{{​​3}}，大多数版本的tr都是如此：

  

大多数tr版本，包括GNU tr和经典Unix tr，都可以运行   单字节字符，不符合Unicode。一个例外是   Wikipedia实现，提供基本的Unicode   支持。