Question

我正在尝试将Perl-Tk代码限制为仅打开要编辑的文本文件。我正在测试以确保用户选择了一个有效的文件（我正在使用Tks getOpenFile()）：

if ( (defined $file) and (-f $file) and (-T $file) ) {
  #work with file
}

我遇到的问题是某些PDF文件通过-T测试并被打开（导致很多混乱）。我在一个充满PDF的目录中尝试了这段代码：

#!/usr/bin/perl

use strict;
use warnings;

my @files = <*>;
foreach (@files) {
  if (-T) { print "$_ is a text file\n"};
}

目录中约有1/2的PDF被打印出来。

我使用-T错吗？我是否必须添加正则表达式来过滤掉PDF？为什么Perl认为只有一些PDF是文本？

编辑：-T是一个文件测试，如果文件是纯文本，则应该返回true。我不是要检查污点。

Answer 1

您可以使用File::Type或File::LibMagic模块获得更多成功。

PDF主要是纯文本。压缩，图像和加密使它们显示为二进制。但简单的PDF文本是天真测试的纯文本。

简化版本中规范的minimal PDF是纯文本：

%PDF-1.1
%íì¦"

1 0 obj
  << /Type /Catalog
     /Pages 2 0 R
  >>
endobj

2 0 obj
  << /Type /Pages
     /Kids [3 0 R]
     /Count 1
     /MediaBox [0 0 300 144]
  >>
endobj

3 0 obj
  <<  /Type /Page
      /Parent 2 0 R
      /Resources
       << /Font
           << /F1
               << /Type /Font
                  /Subtype /Type1
                  /BaseFont /Times-Roman
               >>
           >>
       >>
      /Contents [
        << /Length 105 >>
        stream
          BT
            /F1 18 Tf
            0 0 Td
            (Hello world.) Tj
          ET
        endstream ]
  >>
endobj

xref
0 4
0000000000 65535 f 
0000000019 00000 n 
0000000078 00000 n 
0000000179 00000 n 
trailer
  <<  /Root 1 0 R
      /Size 4
  >>
startxref
612
%%EOF

Answer 2

您正确使用-T：这只是一个最佳猜测，而不是绝对分类。知道PDF文件带有4cc %PDF可能会有所帮助，您可以使用这样的子程序轻松检查

sub isPDF {
  open my $fh, '<', shift or return;
  read $fh, my $fourcc, 4;
  return $fourcc eq '%PDF';
}

Answer 3

大多数PDF在％PDF之后立即有一些二进制字符，以暗示它不是（完全）纯文本文件。 PDF规范甚至建议：

注意：如果PDF文件包含二进制数据，那么大多数情况都是如此（参见第3.1节， “词汇约定”），建议标题行为紧接着是包含至少四个二进制的acomment行字符 - 即代码为128或更大的字符。这个将确保文件传输应用程序的正确行为检查文件开头附近的数据以确定是否将文件的内容视为文本或二进制文件。

在@mugen kenichi的回答中，您可以看到试图触发此事件的%íì¦"。

Answer 4

一些建议：

您是否尝试使用较新的Perl？文档称为“启发式猜测”，也许他们改进了它。
有点黑客，但你可以尝试在打开它们之前对文件运行'file'
另一个黑客：在open（）之后读取第一行，看它确实是文本。

不知道为什么它失败了..你有一个可以公开访问的pdf文件传递-T？

Answer 5

正如@yvind Skaar指出的那样，试试'file'命令。

文本-T和PDF的Perl文件测试

5 个答案:

文本-​​T和PDF的Perl文件测试

5 个答案:

文本-T和PDF的Perl文件测试