如何检查文件是否包含纯文本？

我有一个文件夹已满，我想搜索一些内部的字符串。问题是，某些文件可能是zip，exe，ogg等。我可以检查它是什么类型的文件，所以我只打开并通过txt，PHP等文件进行搜索。我不能依赖文件扩展名。如何检查文件是否包含纯文本？

2010-03-18 daniels

你可以直接调用'file'吗？它涵盖了很多类型。 http://linux.die.net/man/1/file – 2010-03-18 17:59:00

您可以使用Python interface至libmagic来识别文件格式。

>>> import magic 
>>> f = magic.Magic(mime=True) 
>>> f.from_file('testdata/test.txt') 
'text/plain'

更多示例请参见repo。

来源

2010-03-18 17:58:47

如果你在linux上，你可以解析file命令行工具的输出。

来源

2010-03-18 17:58:17 jdizzle

使用Python的mimetypes库：

import mimetypes 
if mimetypes.guess_type('full path to document here')[0] == 'text/plain': 
    # file is plaintext

来源

2010-03-18 18:01:02

mimetypes使用文件的filename.ext来确定文件内容。通过重命名文件很容易欺骗。在* nix系统中使用“file”命令更安全，因为它在文件内部查看内容的外观。 “文件”也可能被欺骗，但至少它会查看内容。像下面的思南提到的蟒蛇魔法会更安全。欲了解更多信息，请在* nix上做一个“man file”和“man magic”。 – 2010-03-18 19:29:25

有趣的是，OP明确表示他不能依赖文件扩展名，然后标记正确的答案，只查看文件扩展名... – 2010-03-18 22:26:12

尝试这样的事：

def is_binay_file(filepathname): 
    textchars = bytearray([7,8,9,10,12,13,27]) + bytearray(range(0x20, 0x7f)) + bytearray(range(0x80, 0x100)) 
    is_binary_string = lambda bytes: bool(bytes.translate(None, textchars)) 

    if is_binary_string(open(filepathname, 'rb').read(1024)): 
     return True 
    else: 
     return False

使用这样的方法：

is_binay_file('<your file path name>')

这将返回True，如果文件是二进制如果文本是文字，则输入False - 应该很容易将其转换为反映您的需求fx。使功能is_text_file - 我离开那个由你决定

来源

2016-12-28 13:11:56 serup

如何检查文件是否包含纯文本？

回答

相关问题