使用Java检测源代码

Question

任何想法如何使用Java在文本文件中检测源代码（Java，C＃，SQL等）而不查看文件扩展名或使用非常长的自制正则表达式？

也许有一些工具已经完成这项工作了吗？

Answer 1

  

Linguist

     

我们在GitHub上使用这个库来检测blob语言，突出显示代码，忽略二进制文件，抑制差异中生成的文件并生成语言细分图。

不幸的是，它是用Ruby编写的，也许JRuby可以处理它？<​​/ p>

Answer 2

不，如果不使用语法分析器（几乎是正则表达式的复杂变体），就无法看到源代码文件和常规文本文件之间的区别。如果你考虑一下，源代码和文本之间的区别就像一个字母错字一样简单。

Answer 3

您应该找到一些简约的关键字并定义一些逻辑规则。如果您定义了正确的规则，那么它们定义的正则表达式将不会非常大。请注意，您拥有的keywrod和规则越少，错误的概率就越大（SourceCode = true表示文件不是源代码，SourceCode = false表示文件是源代码）。此外，您拥有的关键字和规则越多，就需要更多时间来检查文件是否为源代码。

Answer 4

有一个旧图书馆，http://sourceforge.net/projects/jmimemagic/尝试一下，我希望它能给出满意的结果。