Ist eine Datei binary oder text encoded

[Larouso]

Gibts ne Möglichkeit (ich mein also ne api-Methode) die mir bestimmen kann ob ein File binary oder text encoded ist?

Danke schon mal im Voraus

Gruß

 

[byte]

Du könntest mit der Java MIME Magic Library den MIME Typ der Datei auslesen:

Magic parser = new Magic() ;
MagicMatch match = parser.getMagicMatch(new File("foo.bar"));
System.out.println(match.getMimeType());

 

[Larouso]

ah ok - dafür danke erstmal... werd das gleich mal testen.


gibts da auch noch ne andere Möglichkeit? vielleicht ohne externe Librarys? Das mit den MIMEs ist zwar echt ne gute Idee, aber fast schon bisschen oversized für meine Zwecke... ich will nach Möglichkeit net mit Kanonen auf spatzen schießen

 

[Leroy42]

Ja und Nein!

Es ist ja nicht so, daß der Inhaltstyp einer Datei vom BS als Attribut der Datei verwaltet wird,
zumindest in *x und Win* Systemen nicht; keine Ahnung wie das bei Macs geregelt wird.

Du kannst es nur erraten, wofür es in Unix seit Urzeiten ein Programm gibt, indem
du den Anfang der Datei liest und anhand der Bytes abschätzt, ob es sich wahrscheinlich
um eine Textdatei handelt.

Andererseits kann, jeder wer lustig ist, sich eine Datenstruktur einfallen lassen, in der 100 KByte
Text ist und danach 42 Byte Binärdaten kommen. Sicher kannst du also nie sein.

 

[Murray]

M.E. ist es i.A. unmöglich, einer Datei anzusehen, ob sie als Binär- oder als Textdatei anzusehen ist: man kann zwar machen Binärdateien ansehen, dass sie keine Textdateien sein können (weil sie z.B. binäre Nullen enthalten), aber nicht umgekehrt. Aus diesem Grund (und nicht etwa, weil die Leute früher keine Ahnung hatten), muss man seit Ewigkeiten beim FTP angeben, ob die zu übertragende Datei eine Binär- oder eine Text-Datei ist.

 

[meez]

Hier....das ist das was Leroy gesagt hat...
Ist jedoch nicht 100% sicher, funzt aber meistens...



EDIT: Das was ich da geschrieben hab ist Schwachsinn...da fehlt die Hälfte...werd den Rest mal suchen ???:L

public boolean isAscii(File file) {
		byte[] b = new byte[10000];
		new FileInputStream(file).read(b);
		for (int n = 0; n < b.length; n++) {
			if (b[n] > 65000) return false;
		}
		return true;
	}

 

[Leroy42]

und nicht etwa, weil die Leute früher keine Ahnung hatten

Was sind Text-Dateien? Würdest du Unicode- oder UTF8-Dateien nicht eigentlich
auch als Text-Dateien ansehen?

Ich hätte es gut gefunden, wenn es frühzeitig eine Koordinierungsinstanz gegeben
hätte, die eindeutigen Codes für verschiedenste Dateiformate vergeben hätte. Zwei
Byte am Anfang jeder Datei hätten ausgereicht, alle nur denkbaren Formate(*)
(ASCII-Text, UTF8, ISO-8859-*, WinDoof-exe, jpg, cdr, ...) unterscheiden zu können.

Das hätte das Leben vieler Programmierer vereinfacht.

(*) 0xFFFF hätte beispielsweise reseviert werden können, um anzuzeigen, daß weitere
Bytes zur Identifizierung nötig sind.

 

[Murray]

Was sind Text-Dateien? Würdest du Unicode- oder UTF8-Dateien nicht eigentlich
auch als Text-Dateien ansehen?

Klar. Und konsequenterweise dann auch Word-Dokumente, zumindest solange sie keine Bilder enthalten :wink:

 

[Larouso]

danke für die vielen Antworten erstmal... ich habs jetzt mit ner positiv-Liste von Dateiendungen fürs erste mal gelöst... ist natürlich nicht die eleganteste und auch nicht meine gewünschte Lösung...
Wenn es schon nicht wirklich möglich ist zu erkenen ob ein file text oder binary code enthält, geh ich jetzt mal stark davon aus, dass es erst recht nicht möglich ist die tatsächlich verwendete Codierung zu erkennen, oder ?

Zum Thema mit den ersten bytes zur Indetifizierung... ist das bei UTF 8 nicht so dass "FFFE" am Anfang angehängt wird? Aber nicht durchgehend ist mir schon aufgefallen... weiß da jmd mehr drüber?

Gruß