其实标题说错了,所有的文件储存都是二进制,但我们想区别的是那些可以当做文本来读的,如 .txt,.cs,.c 的文件和一般的不是文字的文件。 我们有什么办法可区分文件是文本或二进制?
于是我找到下面的文章,发现了好多个方法。
http://stackoverflow.com/questions/567757/how-do-i-distinguish-between-binary-and-text-files
http://magic.codeplex.com/
https://stackoverflow.com/questions/4744890/c-sharp-check-if-file-is-text-based
https://stackoverflow.com/questions/910873/how-can-i-determine-if-a-file-is-binary-or-text-in-c
http://blog.csdn.net/cherylnatsu/article/details/6412898
最后发现Git的方法是判断一个文件中是否存在 ‘\0’ 如果存在,那么判断为二进制,不是文本,当然对于 Utf-16 这个方法容易就炸了,显然没有一个好用的方法。
我在项目:https://github.com/lindexi/EncodingNormalior 遇到这个问题,我希望让用户自己添加规则,如果遇到规则之外的,那么判断使用上面的检测 ‘\0’ 方法,当然,遇到了 Utf-16 编码,还是没有发现好的解决办法。
另外还发现一个判断文件的方法是读文件的前两个字节,但是这个方法很多都无法判断。
本文会经常更新,请阅读原文: https://dotnet-campus.github.io//post/C-%E5%88%A4%E6%96%AD%E6%96%87%E4%BB%B6%E5%B1%9E%E4%BA%8E%E6%96%87%E6%9C%AC%E6%88%96%E4%BA%8C%E8%BF%9B%E5%88%B6.html ,以避免陈旧错误知识的误导,同时有更好的阅读体验。
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。欢迎转载、使用、重新发布,但务必保留文章署名 lindexi (包含链接: https://dotnet-campus.github.io/ ),不得用于商业目的,基于本文修改后的作品务必以相同的许可发布。如有任何疑问,请 与我联系 。