파일이 텍스트 렌더링인지 여부를 확인하는 방법은 무엇입니까? (Java)

Question

지정된 폴더의 파일이 텍스트 렌더링인지 여부를 어떻게 알 수 있습니까? (예 : csv, html 등 텍스트로 표시 할 수있는 파일)

확장 검색 (.txt, .html 확장자 확인)을 통해이 작업을 수행하고 싶지 않습니다.

jpg 파일이있는 경우 의도적으로 확장명을 .txt로 변경하고 여전히 java 코드가이 파일 (.txt extn을 사용하더라도)을 텍스트로 렌더링 할 수 없음을 감지 할 수 있어야한다고 가정합니다.

어떻게 이것을 자바로 만들 수 있습니까?

Answer 1

파일을 스캔하고 Character.html#isISOControl을 사용하여 인쇄 할 수없는 문자가 포함되어 있는지 확인하여 유형을 추측 할 수 있습니다.

이진 파일에는 대개 제어 문자가 포함 된 헤더가 포함되어 있습니다. list of File Signatures 대부분이 isISOControl에 의해 감지됩니다.

Answer 2

파일에서 알려진 서명을 검색하는 휴리스틱 매처를 구현합니다.

대표적인 예로는 file 명령 : http://en.wikipedia.org/wiki/File_(command)과 libmagic 라이브러리가 있습니다.

는 티카와 같은 자바의 여러 변종이 있습니다 : http://tika.apache.org/

Answer 3

가로 "으로 표시 할 수 계산 어떤 의견의 문제이기 때문에 나는이 작업을 수행 할 수있는 100 % 절대 안전한 방법이라고 생각하지 않습니다 text "...하지만 영어 텍스트로 제한해도 괜찮 으면 파일의 바이트를 검사 할 수 있습니다. 대부분 또는 모든 바이트 값이 32에서 126 (십진수 부호가 없음)이면 가능하면 vanilla ASCII text입니다.

Answer 4

이것은 통계적 패턴 매칭을 요구합니다. 예를 들어, 영어로만 작업하는 경우 처음 100 자에 "외국"문자가 몇 개나 있는지 확인할 수 있습니다. 이것은 이것이 텍스트 문서인지 아닌지에 대한 좋은 아이디어를 줄 것입니다. a..zA..Z0..9 [punctutation]이 아닌 너무 많은 문자가있는 경우 텍스트가 아닌 것으로 추측 할 수 있습니다. 영어 파일 및 ASCII 문자 목록을 사용하여 표현할 수있는 언어로 작업 할 때 상대적으로 안전해야합니다.

물론 외국어로 작업하기 시작한 순간이 중 일부는 특수 문자로 표시 될 수 있지만 언어를 사용하지 않는 사람에게는 사용되지 않습니다.

또 다른 대안은 Java에서 클래스 파일이 특정 헤더로 시작하는 것처럼 파일 표시자를 사용하고 파일의 값을 헤더 라이브러리와 비교하는 것입니다. 파일이 기록에 없을 수도 있으므로 텍스트 파일이라고 생각할 수도 있으므로 성 가시고 오류 발생 가능성이 높습니다.

Answer 5

허용되는 MIME 유형 목록을 유지 한 다음 읽고있는 파일의 MIME 유형을 가져올 수 있습니다. 그것이 잘 맞으면.

는

import javax.activation.MimetypesFileTypeMap; 
import java.io.File; 

class GetMimeType { 
    public static void main(String args[]) { 
    File f = new File("gumby.gif"); 
    System.out.println("Mime Type of " + f.getName() + " is " + 
         new MimetypesFileTypeMap().getContentType(f)); 
    // expected output : 
    // "Mime Type of gumby.gif is image/gif" 
    } 
} 

http://www.rgagnon.com/javadetails/java-0487.html

Answer 6

a Character#isISOControl의 사용은 좋은 일이있다. 인코딩도 고려해야합니다 (p.ex.UTF-8).여기 내 기능 :

/** 
* Test is a file is a text file. It is the case only if it has no well-known control characters. 
* (see {@link Character#isISOControl(int)}) 
* @param file 
* @return 
* @throws IOException 
*/ 
public static boolean isTextFile (final File file) throws IOException 
{ 
    BufferedInputStream is = null; 
    try 
    { 
     final BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(file), "UTF-16")); 

     boolean isText; 
     int read; 
     do 
     { 
      read = in.read(); 
      isText = read == -1; 
      isText |= read == 13; // newline 
      isText |= read == 10; // newline 
      isText |= read == 9; // tab 
      isText |= !Character.isISOControl(read); 
     } 
     while (isText && read != -1); 

     return isText; 
    } 
    finally { 
     if (is != null) 
     { 
      try 
      { 
       is.close(); 
      } 
      catch (IOException e) 
      { 
       throw new Error(e); 
      } 
     } 
    } 
}