如何检查ruby字符串是一个实际的字符串或blob数据，如图像

Question

在ruby中如何检查字符串是一个实际字符串还是blob数据如图像，从数据类型来看它们是ruby字符串，但实际上它们的内容非常不同，因为一个是文字字符串，另一个是blob数据，如图像。

有人能为我提供一些线索吗？提前谢谢。

Answer 1

字节是字节。没有办法声明某些东西不是文件数据。构造一个只有可打印ASCII的多种格式的有效文件相当容易。特别是在处理Unicode时，你处于非常模糊的领域。如果可能的话，我建议修改方法，这样它需要两个参数...一个用于传递文本，另一个用于二进制数据。

您可能要做的一件事就是查看字符串的长度。对于一个微小的图像，大多数图像格式至少为500-600字节，虽然这绝不是一个准确的测试，如果你通过，比如一个20k的字符串，它可能是一个图像。如果它是文本，那将是相当多的（像典型小说的四分之一，或其左右）

Answer 2

图像或声音文件等文件已经定义了可以“嗅探”的块。 Wotsit.org有很多关于关键字节的信息以及确定文件内容的方法。通过查看数据中的那些字节偏移量，您可以找到它。

另一种方法是使用一些“魔术”，这是用于在文件中嗅探键字节或字节类型的代码，以试图弄清楚它的类型是什么。 * nix系统通过file命令内置它。请查看man file或man magic以获取更多信息，或查看维基百科关于Magic numbers in files的文章。

Ruby Filemagic使用相同的技术但基于GNU的libmagic。

Answer 3

什么构成一个字符串？你期待简单的ASCII吗？ UTF-8？或者用其他方式编码文本？

如果您知道要获取ASCII文本或blob，那么您可以旋转第一个n字节并查看是否有任何八位设置，这会告诉您有二进制文件。 OTOH，没有找到任何东西，不能保证你有文字。

如果你要获得UTF-8 Unicode，那么你会做同样的事情，但寻找无效的UTF-8序列。当然，同样的警告也适用。

您可以扫描第一个n字节，查找0x00和0x20之间的任何内容。如果您发现任何低字节，那么您可能有某种二进制blob。但也许不是。

正如Tyler Eaves所说：字节是字节。你从一堆字节开始，并试图找到有意义的解释。

最好的办法是让来电者提供预期的解释，或者接受Greg的建议，并使用魔数库。