如何检查文件是图像还是ascii文本文件？

Question

如何检查文件是图像还是ascii文本文件？ 例如，检查＆＃34; file1＆＃34;是ascii text或binary image / png文件。

Answer 1

我不熟悉Elixir，但明显与语言无关的解决方案是使用file命令行工具（在类Unix系统上是标准的，包括Linux和MacOS，并且可以安装作为Windows上的第三方应用程序）或它所基于的 libmagic 库。这些方法适用于任何可以调用外部程序和/或使用C风格ABI调用动态链接库的语言（可能通过某种类型的包装器模块）。

file和 libmagic 的工作方式是，针对不同的文件格式读取预编译的list of simple characteristic patterns，并根据文件的内容测试每个文件格式。如果您愿意，您可以自己为模式格式编写解析器，从而生成file的纯Elixir重新实现。我不是说这会是微不足道的，但是优点（仅仅是硬编码一堆文件格式测试）就是你仍然可以使用相同的模式数据库，它已包含 huge <的模式/ em>格式数量，并且不断更新。

在任何情况下，如果您仅对区分几种不同类型的文件（例如，PNG图像和纯ASCII文本文件）感兴趣，那么自己对相关测试进行硬编码可能是可行的。例如：

• PNG图像文件有a fixed 8-byte header，它在文件开头的存在非常好地表明这是一张PNG图像。如果您想要更加确定，可以阅读以下IHDR块并验证其类型和CRC校验和是否正确。其他图像格式（如JPEG和GIF）也有类似的format signatures。

• 纯ASCII文本文件应仅包含可打印ASCII范围（32-126）中的字节加上一些控制字符（最常见的是TAB = 9，LF = 10和CR = 13） 。使用其他ASCII兼容字符集（如UTF-8）的文本文件也可能包含128-255范围内的字节;特别是UTF-8很容易识别，因为该范围内的字节总是出现在两个或更多的组中，并且在very specific pattern中。