文本文件和二进制文件的判别

作为程序员，从第一次接触编程开始，就知道了文件的两大类别：文本文件和二进制文件。但是，如何定义和判别这两类文件，在我的知识体系里，却一直是模糊的。直觉上，用文本方式读写的文件一定是文本文件，用二进制方式读写的文件一定是二进制文件，然而，用 notepad++ 照样可以打开甚至编辑一个 .jpg 文件或者一个 .xls 文件。

事实上，不管是文本文件还是二进制文件，在物理存储上都是二进制的。二者之间的区别不是物理层面的，而是逻辑层面的。文本文件是基于字符编码的文件，常见的编码有 ASCII 编码，UTF 编码等等。二进制文件是基于值编码的文件，你可以根据具体应用，指定某个值是什么意思（可以看作是自定义编码）。

在很多文档处理的应用中，我们需要判别某个文件是文本文件还是二进制文件。如果单从文件的扩展名来判别，自然是最简单的，但结果未必是正确的。我们重点讨论通过文件内容来判别。

适用于 py2 的方法：

import stringdef isText(content):"""判断文件是文本还是二进制"""if "\0" in content:return Falsetext_characters = ''.join(map(chr, range(32, 127)) + list("\n\r\t\b"))_null_trans = string.maketrans("", "")t = content.translate(_null_trans, text_characters)if float(len(t))/float(len(content)) > 0.30:return Falseelse:return True

适用于 py3 的方法：

def isText(content):"""判断文件是文本还是二进制"""if b'\0' in content:return Falsetext_characters = ''.join(list(map(chr, range(32, 127))) + list('\n\r\t\b'))_null_trans = b'\x00\x01\x02\x03\x04\x05\x06\x07\x08\t\n\x0b\x0c\r\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a\x1b\x1c\x1d\x1e\x1f !"#$%&\'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\\]^_`abcdefghijklmnopqrstuvwxyz{|}~\x7f\x80\x81\x82\x83\x84\x85\x86\x87\x88\x89\x8a\x8b\x8c\x8d\x8e\x8f\x90\x91\x92\x93\x94\x95\x96\x97\x98\x99\x9a\x9b\x9c\x9d\x9e\x9f\xa0\xa1\xa2\xa3\xa4\xa5\xa6\xa7\xa8\xa9\xaa\xab\xac\xad\xae\xaf\xb0\xb1\xb2\xb3\xb4\xb5\xb6\xb7\xb8\xb9\xba\xbb\xbc\xbd\xbe\xbf\xc0\xc1\xc2\xc3\xc4\xc5\xc6\xc7\xc8\xc9\xca\xcb\xcc\xcd\xce\xcf\xd0\xd1\xd2\xd3\xd4\xd5\xd6\xd7\xd8\xd9\xda\xdb\xdc\xdd\xde\xdf\xe0\xe1\xe2\xe3\xe4\xe5\xe6\xe7\xe8\xe9\xea\xeb\xec\xed\xee\xef\xf0\xf1\xf2\xf3\xf4\xf5\xf6\xf7\xf8\xf9\xfa\xfb\xfc\xfd\xfe\xff't = content.translate(_null_trans, text_characters.encode())if float(len(t))/float(len(content)) > 0.30:return Falseelse:return True

文本文件和二进制文件的判别相关推荐

c语言实现指定路径文件读取_C语言实现文件复制功能(包括文本文件和二进制文件)...
文件的复制是常用的功能,要求写一段代码,让用户输入要复制的文件以及新建的文件,然后对文件进行复制.能够复制的文件包括文本文件和二进制文件,你可以复制1G的电影,也可以复制1Byte的txt文档.实现文 ...
文本文件与二进制文件，C++流(待续)
首先,让我们来回顾下你通常认为不值得一提的ASCII码表 ASCII码一般分为三个部分: Non printable, system codes between 0 and 31. Lower ASC ...
计算机中，文本文件和二进制文件的区别
文本文件和二进制文件都是存储的二进制0和1,区别在于: 文本文件:二进制是以字符编码方式存储的,如utf-8, gbk,规则简单二进制文件:二进制没有以字符编码的方式存储,规则复杂,只有计算机能够理 ...
文本文件与二进制文件及编码关系
文本文件与二进制文件及编码关系(讲了一些基本的概念,但还并不是特别清晰明了,有一些小demo就好了)
【转】文本文件和二进制文件区别及java中字节流和字符流归纳
首先在物理上文本文件和二进制文件并没有区别,都是以二进制01的形式存放于存储介质中,他们的区别只是逻辑上的区别,这两种方式只是在编码层次上有差别.文本文件是基于字符编码的文件,常见的编码有ASCII编 ...
文本文件和二进制文件的区别
广义的二进制文件即指文件,由文件在外部设备的存放形式为二进制而得名.狭义的二进制文件即除文本文件以外的文件.文本文件是一种由很多行字符构成的计算机文件.文本文件存在于计算机系统中,通常在文本文件最后一 ...
文本文件与二进制文件
文本文件与二进制文件一.文本文件与二进制文件的定义大家都知道计算机的存储在物理上是二进制的,所以文本文件与二进制文件的区别并不是物理上的,而是逻辑上的.这两者只是在编码层次上有差异. ...
高级语言程序设计II 实验报告三c++使用文本文件和二进制文件的读写比较两者的区别和优劣...
高级语言程序设计II 实验报告三姓名:许恺学号:2014011329 日期:2015年5月25日 1. 实验目的通过在c++中使用文本文件和二进制文件的读写比较两者的区别和优劣,同时锻炼c++的 ...
计算机史话 —— 回车和换行与文本文件和二进制文件
回车:carriage return 换行:line feed 在计算机还没有出现之前,有一种叫做电传打字机(Teletype Model 33)的玩意,每秒钟可以打 10 个字符.但是它有一个问题, ...
文本文件和二进制文件的区别和联系
目录文件类型 ASCII码文本文件和二进制文件程序最近使用MATLAB将文本文件转换为二进制文件时遇到了一些麻烦,回头补了补当年学的文件存储,对计算机中文件存储理解更深刻了,在这里 ...

文本文件和二进制文件的判别

文本文件和二进制文件的判别相关推荐

最新文章

热门文章