perl - 过滤掉二进制数据

Question

如果我想找到二进制数据，这个子程序有意义吗？

sub is_binary_data {
    my $data = shift;
    return $data =~ /\x00/;
}

Answer 1

你可以试试这个：

sub is_binary_data {
  my $data = shift;
  return $data =~ /[\x00-\x1F]/;
}

如果您的数据包含 \x20 以下的任何字符（后者是空格），这应该返回 true。

Answer 2

总是有-Bfilename，如果文件是二进制文件，则返回“true”。但是，正如 amon 所说，这取决于您对二进制的定义。从perlfunc：

"检查文件的第一块左右是否有奇数字符，例如奇怪的控制代码或设置了高位的字符。如果发现太多奇怪的字符 (>30%)，则为 -B 文件"

Answer 3

这取决于您对“二进制数据”的定义以及输入编码。如果您的脚本不使用编码并查看原始字节，即使在普通文本文件中也会发现空字节，例如当它们以 UTF-16 编码时（你好，Windows！）。

如果您对输入进行解码并对字符（而不是字节）进行操作，则只有NUL-character 会触发您的二进制检测。但是，这仅在您知道编码时才有效。二进制文件通常不编码。

最后，这是一个先有鸡还是先有蛋的问题。在 ASCII 和 ASCII 兼容编码的情况下，如果对字节进行操作，您的解决方案（使用 @sergio 扩展范围）将起作用，但会产生误报。

use Encode;
my $text = "abc";
my ($utf16bytes,$utf8bytes) = map{encode $_, $text} qw(UTF-16 UTF-8);
say "UTF-16 bytes contain NUL bytes." if $utf16bytes =~ /\x00/;
say "UTF-8  bytes contain NUL bytes." if $utf8bytes  =~ /\x00/;

输出：

UTF-16 bytes contain NUL bytes.