Question

可能重复：
How can I determine if a file is binary or text in c#?

如果不考虑文件名（扩展名），只使用内容，我们需要知道文件是文本还是二进制文件。我不能使用扩展名，因为我不知道所有文本文件扩展名，因为文本文件可以没有扩展名。

我这样做是为了寻找文件第一部分中非-ASCII字节的百分比。由于性能原因，我无法每次都读取完整的文件。我使用以下代码：

private static bool IsBinary(byte[] bytes, int maxLength)
{
    int len = maxLength > 1024 ? 1024 : maxLength;

    int nonASCIIcount = 0;

    for( int i = 0; i < len; ++i )
        if( bytes[i] > 127 )
            ++nonASCIIcount;

    // if the number of non ASCII is more than a 30%
    // then is a binary file. 
    return (nonASCIIcount / len) > 0.3;
}

问题是某些类型的文件被错误地检测为文本，因为文件的第一部分是像photoshop文件一样的文本。

有什么建议吗？

Answer 1

你不能说它是基于百分比的文字。唯一的方法是检查ANYTHING是否为非ASCII，如果是，则将其视为二进制。所以你的代码应该是：

bool IsBinary()
{
  for (int i = 0; i < bytes.Length; i++ )
    if (bytes[i] > 127)
      return true;
  return false;
}

编辑：此外，如果您可以使用，则可能应该查看MIME类型的文件。

Answer 2

这取决于整个文件的内容和可能的文本编码，其他任何东西都不可靠。此外，对于纯ASCII文件，您不应该检查＆gt; 127而是＆lt; 32（0x20）并且不等于0x0a或0x0d（换行和回车）。如果编码可能是UTF8则更复杂，尝试以UTF8的形式读取它可能会有效，如果失败，则假装它是二进制的。

Answer 3

您不希望将“控制字符”包含为文本数据。文本文件永远不会包含ascii代码小于32的字符。

如何使用其内容知道文件是txt还是二进制文件？

3 个答案: