Question

如何在运行时知道指定文件夹中的文件是否为文本呈现？（即可以显示为文本的csv，html等文件）

我不想通过扩展匹配（通过检查.txt，.html扩展等）来做到这一点。

假设有一个jpg文件，我故意将扩展名重命名为.txt，而java代码应该能够检测到这个文件（虽然带有.txt extn）不能呈现为文本。

我怎样才能在java中实现这个目标？

Answer 1

实现一个启发式匹配器，扫描文件以查找已知签名。

一个典型的例子是file命令：http://en.wikipedia.org/wiki/File_(command）和libmagic库。

Java中有几种变体，例如Tika：http://tika.apache.org/

Answer 2

您可以通过扫描文件并使用Character.html#isISOControl来猜测类型，以检查是否包含不可打印的字符。

二进制文件通常包含通常包含控制字符的标题，请参阅list of File Signatures isISOControl将检测到它们中的大多数。

Answer 3

我认为没有100％万无一失的方法可以做到这一点，因为这是一个意见问题，重要的是“可以显示为文本”...但如果你可以将它限制为英文文本，你可以检查文件的字节，如果大多数或所有字节值都在32到126（十进制无符号）的范围内，那么很可能是vanilla ASCII text。

Answer 4

这需要某种统计模式匹配。例如，如果您只使用英语，则可以检查前100个字符中出现的“外来”字符数。这应该让你很好地了解这是否是一个文本文件。如果遇到太多不是a..zA..Z0..9 [punctutation]的字符，那么你可以猜测它不是文本。使用英语文件和可以使用ASCII字符列表表达的语言，您应该相对安全。

当你开始使用外语时，这当然会在窗口中出现，其中某些字符可能看起来像是特殊字符，但仅限于那些不会说这种语言的人。

另一种方法是使用文件标记（如Java中的类文件以特定标头开头），并将文件中的值与标头库进行比较。它既麻烦又容易出错，因为您可能没有记录文件，因此可能认为它不是文本文件。

Answer 5

使用a Character#isISOControl是一件好事。您也应该考虑编码（p.ex.UTF-8）。我的功能在这里：

/**
 * Test is a file is a text file. It is the case only if it has no well-known control characters.
 * (see {@link Character#isISOControl(int)})
 * @param file
 * @return
 * @throws IOException
 */
public static boolean isTextFile (final File file) throws IOException
{
    BufferedInputStream is = null;
    try
    {
        final BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF-16"));

        boolean isText;
        int read;
        do
        {
            read = in.read();
            isText = read == -1;
            isText |= read == 13;  // newline
            isText |= read == 10;  // newline
            isText |= read == 9;   // tab
            isText |= !Character.isISOControl(read);
        }
        while (isText && read != -1);

        return isText;
    }
    finally {
        if (is != null)
        {
            try
            {
                is.close();
            }
            catch (IOException e)
            {
                throw new Error(e);
            }
        }
    }
}

Answer 6

您可以维护一个可接受的Mime类型列表，然后获取您正在阅读的Mime Type文件。如果它符合要好。

import javax.activation.MimetypesFileTypeMap;
import java.io.File;

class GetMimeType {
  public static void main(String args[]) {
    File f = new File("gumby.gif");
    System.out.println("Mime Type of " + f.getName() + " is " +
                         new MimetypesFileTypeMap().getContentType(f));
    // expected output :
    // "Mime Type of gumby.gif is image/gif"
  }
}

http://www.rgagnon.com/javadetails/java-0487.html

如何知道文件是否是文本呈现？（JAVA）

6 个答案:

如何知道文件是否是文本呈现？ （JAVA）

6 个答案:

如何知道文件是否是文本呈现？（JAVA）