Python来检查gzip文件是xml还是csv

我有一个脚本来拉入各种gzip和bz2压缩文件。在我将它们拉入之后，我正在寻找一个脚本来编写该文件，并根据其中包含的文件类型添加一个扩展。Python来检查gzip文件是xml还是csv

的文件格式，我大约关注包括XML，CSV和TXT文件，虽然我不是真正关心的CSV和TXT文件之间划定（添加TXT扩展名是不行了两者）。

我一直在使用python-magic库来确定使用哪个解压缩库（bz2 vs gzip），但想知道确定文件类型的最简单方法。使用python-magic我得到：

>>> ftype = m.from_file("xml_test.xml") 
>>> ftype 
'ASCII text' 
>>> ftype = m.from_file("csv_test.csv") 
>>> ftype 
'ASCII text'

我现在的计划是在每个文件的第一行读取并根据它做出决定。有更容易的方法吗？

在回应@ phihag的回答显示我多么糟糕我原来的措辞这个问题：我想要的东西，会首先检查文件是否有效的XML，如果没有则检查它是否是有效的CSV，最后如果它是无效的CSV但有效的纯文本，返回作为响应

注：有部分答案here但这种方法只介绍CSV检查，不是XML，TXT等

来源

2012-01-31 Sam Johnson

你不能可靠地区分XML和csv，因为以下文件既是有效的XML也是有效的CSV文档：

<r>,</r>

因此，您所能做的只是应用启发式方法，例如，如果第一个字符为<，则返回xml，否则返回csv。

同样，所有的CSV和XML文件也是有效的纯文本文件。

要检查文件是否构成有效的XML或CSV文档，您可以简单地解析它。如果你对绩效的，直接跳过实际文件树的构建，例如用sax或忽略的csv.reader项目：

import xml.sax,csv 
def getType(filename): 
    with open(filename, 'rb') as fh: 
    try: 
     xml.sax.parse(fh, xml.sax.ContentHandler()) 
     return 'xml' 
    except: # SAX' exceptions are not public 
     pass 
    fh.seek(0) 

    try: 
     for line in csv.reader(fh): 
     pass 
     return 'csv' 
    except csv.Error: 
     pass 

    return 'txt'

来源

2012-01-31 17:57:48 phihag

不够公平，我并没有考虑过你的很明显的反应给一个有效的CSV/XML。我的原始问题有些不完整，我会编辑我的问题，以更好地表明我在寻找什么 – 2012-01-31 18:02:58

@SamJohnson更新了解决方案，该解决方案检查输入是否为有效的XML，然后检查它是否为有效的CSV。 – phihag 2012-01-31 18:26:09

csv与文本的解决方案似乎不适用于我测试的几个文件。相反，我使用的解决方案[这里]（http://stackoverflow.com/questions/2984888/check-if-file-has-a-csv-format-with-python），虽然不是100％的溶剂，应该小心几乎所有情况下 – 2012-01-31 20:55:36

Python来检查gzip文件是xml还是csv

回答

相关问题