Question

我想检测对象的文件类型，以确定压缩文件的正确连接（例如，是否使用bzfile gzfile，xzfile等。显然我可以根据文件扩展名“猜测”，但我的理解是检查magic number会更加健壮（虽然我有点不清楚它是否可移植到基于Windows的架构？）

如何返回文件的幻数以确定它是否确实是BZh？

请注意，我想要一个适合在包开发中使用的解决方案;例如将尽可能在操作系统之间移植，而不是特定于* nix系统。

Answer 1

Github上有几个软件包以某种方式使用libmagic：

https://github.com/hrbrmstr/wand：在* nix上包含file.exe并在Windows上使用来自Rtools的magic.mgc。
https://github.com/hrbrmstr/simplemagic：仅限使用libmagic的子集的解决方案。
https://github.com/daqana/dqmagic：在* nix上包含libmagic并在Windows上编译"America/New_York"（c.f。https://github.com/daqana/dqmagic/tree/windows）

Answer 2

我找不到已经编写过在R中本地执行此操作的包或函数。虽然我认为刮取wiki引用表（或获取magic.mgc的副本并解析它）相对简单直接并且使用readBin或类似的，我认为跨平台使用的更直接的方法是使用file命令。当Rtools不可用时，唯一缺乏跨平台的是Windows。

我创建了两个文件，创造性地命名为＆＃34; gz＆＃34;和＆＃34; bz2＆＃34;，并运行此测试。

ptns <- list(gzip="gzip compressed data",
             bzip2="bzip2 compressed data",
             pdf15="PDF document, version 1.5",
             xlsx="Microsoft Excel")

files <- c("gz", "bz2")
out <- system2("file", args=files, stdout=TRUE)

setNames(sapply(out, function(o) {
  thistype <- "unk"
  for (j in seq_along(ptns)) {
    if (grepl(ptns[[j]], o)) {
      thistype <- names(ptns)[j]
      break
    }
  }
  thistype
}), files)
#      gz     bz2 
#  "gzip" "bzip2"

我在内部选择for循环的原因是我希望它在成功匹配后中断执行。

如何在R中检查文件的幻数（或十六进制签名）？

2 个答案: