如何使用Smalltalk识别二进制文件和文本文件

Question

我想验证路径中的给定文件是文本文件类型，即不是二进制文件，即人类可读。我想先阅读第一个字符并用以下字符检查每个字符：

• isAlphaNumeric
• isSpecial
• 并将isSeparator
• isOctetCharacter ???

但加入所有这些测试方法和：[...和：[...和：[]]]似乎不是很小。有什么更优雅的建议吗？

（这里有一个Python版本How to identify binary and text files using Python?可能很有用，但语法和实现看起来像C。）

Answer 1

只有启发式;你永远不能确定......

对于ascii，以下可能会：

|isPlausibleAscii numChecked|

isPlausibleAscii := 
    [:char |
        ((char codePoint between:32 and:127)
        or:[ char isSeparator ])
    ].

numChecked := text size min: 1024.
isPossiblyText := text from:1 to:numChecked conform: isPlausibleAscii.

对于unicode（UTF8？），事情变得更加困难;然后你可以尝试转换。如果存在转换错误，则假定为二进制。

PS：如果你没有：to：conform：，则替换为（copyFrom：to :)符合：

PPS：如果您没有符合：，请尝试allSatisfy：

Answer 2

所有文本都包含比您希望在二进制文件中看到的空间更多的空间，并且某些编码（UTF16 / 32）将包含许多用于常见语言的0。 一个小小的解决方案是隐藏Standard / MultiByte-FileStream方法中的血腥细节，＃isProbablyText可能是一个不错的选择。

它基本上会做以下事情： - 如果您打算稍后使用它，请存储当前状态，重置为启动（如果您使用MultiByteStream，则设置Latin1转换器）

• 迭代N个下一个字符（其中N是一个合适的数字）

• 遇到不可打印的ascii字符？它可能是二进制的，所以返回false。 （不是特殊选择器，使用地图，对角色或其他东西实施新方法）

• 如果合适，增加2个计数器，一个用于空格字符，另一个用于零个字符。

• 如果循环结束，则返回是否已读取其中一个计数器具有统计显着性的数量

TLDR;使用方法隐藏血腥细节，否则它几乎相同。