确定Java中的二进制/文本文件类型?

没有保证的方法,但这里有两种可能性:

3. 寻找定期重复的换行符模式。

http://docs.oracle.com/javase/7/docs/api/java/nio/file/Files.html#probeContentType(java.nio.file.Path)

boolean isBinaryFile(File f) throws IOException {
        String type = Files.probeContentType(f.toPath());
        if (type == null) {
            //type couldn't be determined, assume binary
            return true;
        } else if (type.startsWith("text")) {
            return false;
        } else {
            //type isn't text
            return true;
        }
    }

跑 file -bi {filename} . 如果返回的内容以“text/”开头,则它是非二进制的,否则它是。;-)

我做了这个。 稍微简单一点,但对于基于拉丁语的语言,它应该可以很好地工作,并进行比率调整。

/**
 *  Guess whether given file is binary. Just checks for anything under 0x09.
 */
public static boolean isBinaryFile(File f) throws FileNotFoundException, IOException {
    FileInputStream in = new FileInputStream(f);
    int size = in.available();
    if(size > 1024) size = 1024;
    byte[] data = new byte[size];
    in.read(data);
    in.close();

    int ascii = 0;
    int other = 0;

    for(int i = 0; i < data.length; i++) {
        byte b = data[i];
        if( b < 0x09 ) return true;

        if( b == 0x09 || b == 0x0A || b == 0x0C || b == 0x0D ) ascii++;
        else if( b >= 0x20  &&  b <= 0x7E ) ascii++;
        else other++;
    }

    if( other == 0 ) return false;

    return 100 * other / (ascii + other) > 95;
}

JMimeMagic 图书馆

确定文件或文件的MIME类型 溪流。

我使用了此代码,它对英语和德语文本非常有效:

private boolean isTextFile(String filePath) throws Exception {
    File f = new File(filePath);
    if(!f.exists())
        return false;
    FileInputStream in = new FileInputStream(f);
    int size = in.available();
    if(size > 1000)
        size = 1000;
    byte[] data = new byte[size];
    in.read(data);
    in.close();
    String s = new String(data, "ISO-8859-1");
    String s2 = s.replaceAll(
            "[a-zA-Z0-9ßöäü\\.\\*!\"§\\$\\%&/()=\\?@~'#:,;\\"+
            "+><\\|\\[\\]\\{\\}\\^°²³\\\\ \\n\\r\\t_\\-`´âêîô"+
            "ÂÊÔÎáéíóàèìòÁÉÍÓÀÈÌÒ©‰¢£¥€±¿»«¼½¾™ª]", "");
    // will delete all text signs

    double d = (double)(s.length() - s2.length()) / (double)(s.length());
    // percentage of text signs in the text
    return d > 0.95;
}

如果文件由字节0x09(制表符)、0x0A(换行符)、0x0C(换行符)、0x0D(回车符)或0x20到0x7E组成,那么它可能是ASCII文本。

对于任何具有高阶位的字节,UTF-8文本都遵循一种非常特定的模式,但像ISO-8859-1这样的固定长度编码则不然。UTF-16经常包含空字节(0x00),但仅在其他位置。

1. 假设该文件是二进制文件,尝试执行应该执行的操作(例如反序列化)
3. 将文件视为文本
4. 如果失败,则说明文件本身有问题

看见 http://en.wikipedia.org/wiki/Magic_number_(programming)

你可以试试ApacheTika,我开了一个 request specifically for this feature

但现在,我认为这可能会奏效。。。需要更彻底的测试,可能还有其他mime类型库的问题,在这些库中,您仍然需要从类型到是否为二进制的映射。

var config = TikaConfig.getDefaultConfig();
var tika = new Tika( config );
var mimeTypes = config.getMimeRepository();

var mimetype = tika.detect(Path.of("my/foo"));
var rootType = mimeTypes.forName( mime ).getType().getType();
rootType.endsWith( "text" ); // text and x-text

你可以试试这个 DROID