Java 如何检查文件是否为二进制文件？

我编写了以下方法，以查看特定文件是否仅包含ASCII文本字符，还是除此之外还包含控制字符。你能看一下这个代码，提出改进建议并指出疏忽吗

逻辑如下：“如果文件的前500个字节包含5个或更多控制字符，请将其报告为二进制文件”

多谢各位

public boolean isAsciiText(String fileName) throws IOException {

    InputStream in = new FileInputStream(fileName);
    byte[] bytes = new byte[500];

    in.read(bytes, 0, bytes.length);
    int x = 0;
    short bin = 0;

    for (byte thisByte : bytes) {
        char it = (char) thisByte;
        if (!Character.isWhitespace(it) && Character.isISOControl(it)) {

            bin++;
        }
        if (bin >= 5) {
            return false;
        }
        x++;
    }
    in.close();
    return true;
}

---

x

似乎没有任何作用

如果文件小于500字节怎么办

某些二进制文件的情况是，您可以为文件的前N个字节设置一个头，其中包含一些对应用程序有用的数据，但二进制文件所在的库并不关心这些数据。您可以很容易地在这样的前导码中包含500+字节的ASCII码，然后在接下来的千兆字节中包含二进制数据

---

如果文件无法打开或读取，则应处理异常，等等。

我注意到的第一件事-与您的实际问题无关，但您应该在

finally

块中关闭输入流，以确保始终完成。通常这只处理异常，但在您的情况下，当返回

false

时，您甚至不会关闭文件流

旁白：为什么要与ISO控制字符进行比较？这不是“二进制”文件，而是“包含5个或更多控制字符的文件”。在我看来，更好的方法是反转check-write一个

isAsciiText

函数，该函数断言文件中的所有字符（或前500个字节中的字符，如果您愿意的话）都在一组已知良好的字节中

理论上，如果文件是某种类型的复合文件（例如，带有嵌入图片的文本），仅检查文件的前几百个字节可能会让您陷入麻烦，但实际上，我怀疑每一个这样的文件在开始时都会有二进制头数据，因此您可能没有问题

忽略read（）返回的内容，如果文件小于500字节怎么办

如果返回false，则不会关闭该文件

将字节转换为字符时，假定文件是7位ASCII 由于您将这个类称为“isASCIIText”，所以您确切地知道自己在寻找什么。换句话说，它不是“IStextinirentLocaleEncoding”。因此，您可以更准确地使用：

if (thisByte < 32 || thisByte > 127) bin++;

if（thisByte<32 | | thisByte>127）bin++；

---

编辑，很长一段时间之后——在一篇评论中指出，这个简单的检查会被一个以许多新行开头的文本文件绊倒。最好使用一个包含“ok”字节的表，并包含可打印字符（包括回车符、换行符和制表符，可能还有表单提要，尽管我不认为许多现代文档都使用这些字符），然后检查该表。

这不适用于linux或solaris的jdk安装包。它们有一个shell脚本开始，然后是一个bi数据blob

为什么不使用一些库来检查mime类型，比如jMimeMagic（）和基于mimetype的deside如何处理文件

如果文件大小小于500字节，则会严重失败

行

charit=（char）thisByte

在概念上是可疑的，它混合了字节和字符概念，即隐式假设编码是一个字节=一个字符（它们不包括unicode编码）。特别是，如果文件是UTF-16编码的，则会失败

循环内的返回（在IMO中有点糟糕）忘记关闭文件

---

您可以解析和比较ageinst中的已知二进制文件头字节列表，例如

问题是，需要一个只包含二进制头的排序列表，而这个列表可能根本不完整。例如，读取和解析某些Equinox框架jar中包含的二进制文件。但是，如果需要识别特定的文件类型，这应该是可行的

如果您在Linux上，对于磁盘上的现有文件，本机应该可以正常工作：

String command = "file -i [ZIP FILE...]";
Process process = Runtime.getRuntime().exec(command);
...

它将输出有关文件的信息：

...: application/zip; charset=binary

您可以使用grep或Java对其进行进一步过滤，这取决于您是否只需要估计文件的二进制字符，或者您是否需要找出它们的

MIME

类型

不幸的是，如果解析输入流（如归档文件中嵌套文件的内容），这将不起作用，除非求助于纯shell程序（如

unzip

），以避免创建临时解压缩文件

对于这一点，到目前为止，对检查前500个字节的粗略估计对我来说还可以，正如上面的例子所暗示的那样；我使用了

Character.isWhitespace/isISOControl（char）

，而不是

Character.isIdentifierIgnorable（codePoint）

，假设

UTF-8

默认编码：

private static boolean isBinaryFileHeader(byte[] headerBytes) {
    return new String(headerBytes).codePoints().filter(Character::isIdentifierIgnorable).count() >= 5;
}

public void printNestedZipContent(String zipPath) {
    try (ZipFile zipFile = new ZipFile(zipPath)) {
        int zipHeaderBytesLen = 500;
        zipFile.entries().asIterator().forEachRemaining( entry -> {
            String entryName = entry.getName();
            if (entry.isDirectory()) {
                System.out.println("FOLDER_NAME: " + entryName);
                return;
            }
            // Get content bytes from ZipFile for ZipEntry 
            try (InputStream zipEntryStream = new BufferedInputStream(zipFile.getInputStream(zipEntry))) {
                // read and store header bytes
                byte[] headerBytes = zipEntryStream.readNBytes(zipHeaderBytesLen);
                // Skip entry, if nested binary file
                if (isBinaryFileHeader(headerBytes)) {
                    return;
                }
                // Continue reading zipInputStream bytes, if non-binary
                byte[] zipContentBytes = zipEntryStream.readAllBytes();
                int zipContentBytesLen = zipContentBytes.length;
                // Join already read header bytes and rest of content bytes
                byte[] joinedZipEntryContent = Arrays.copyOf(zipContentBytes, zipContentBytesLen + zipHeaderBytesLen);
                System.arraycopy(headerBytes, 0, joinedZipEntryContent, zipContentBytesLen, zipHeaderBytesLen);
                // Output (default/UTF-8) encoded text file content
                System.out.println(new String(joinedZipEntryContent));
            } catch (IOException e) {
                System.out.println("ERROR getting ZipEntry content: " + entry.getName());
            }
        });
    } catch (IOException e) {
        System.out.println("ERROR opening ZipFile: " + zipPath);
        e.printStackTrace();
    }
}

---

不幸的是，当此算法将包含“this\r\nis\r\nonly\r\ntext”的文件分类为二进制文件时，将其标记为正确答案。@Ingo-true；最好检查控制字符与非控制字符的比例，并检查文本中常见的控制字符等特殊情况。当我输入这个答案时，我太年轻了：）