7

我试图区分“文本文件”和“二进制”文件，因为我想有效地忽略具有“不可读”内容的文件。

我有一个我认为是 GZIP 存档的文件。我试图通过检测幻数/文件签名来忽略这种文件。如果我在 Notepad++ 中使用十六进制编辑器插件打开文件，我可以看到前三个十六进制代码是1f 8b 08.

但是，如果我使用 a 读取文件StreamReader，我不确定如何获取原始字节..

using (var streamReader = new StreamReader(@"C:\file"))
{
    char[] buffer = new char[10];
    streamReader.Read(buffer, 0, 10);
    var s = new String(buffer);

    byte[] bytes = new byte[6];
    System.Buffer.BlockCopy(s.ToCharArray(), 0, bytes, 0, 6);
    var hex = BitConverter.ToString(bytes);

    var otherhex = BitConverter.ToString(System.Text.Encoding.UTF8.GetBytes(s.ToCharArray()));
}

在 using 语句的末尾，我有以下变量值：

hex: "1F-00-FD-FF-08-00"
otherhex: "1F-EF-BF-BD-08-00-EF-BF-BD-EF-BF-BD-0A-51-02-03"

两者都不是以 Notepad++ 中显示的十六进制值开头。

是否可以从通过读取文件的结果中获取原始字节StreamReader？

4

3 回答 3

7

您的代码尝试将二进制缓冲区更改为字符串。字符串在 NET 中是 Unicode，因此需要两个字节。如您所见，结果有点不可预测。

只需使用 BinaryReader 及其ReadBytes方法

using(FileStream fs = new FileStream(@"C:\file", FileMode.Open, FileAccess.Read))
{
    using (var reader = new BinaryReader(fs, new ASCIIEncoding()))
    {
        byte[] buffer = new byte[10];
        buffer = reader.ReadBytes(10);
        if(buffer[0] == 31 && buffer[1] == 139 && buffer[2] == 8)
            // you have a signature match....
    }
}
于 2013-02-10T12:36:33.733 回答
6

用法（用于 pdf 文件）：

Assert.AreEqual("25504446", GetMagicNumbers(filePath, 4));

方法 GetMagicNumbers：

private static string GetMagicNumbers(string filepath, int bytesCount)
{
    // https://en.wikipedia.org/wiki/List_of_file_signatures

    byte[] buffer;
    using (var fs = new FileStream(filepath, FileMode.Open, FileAccess.Read))
    using (var reader = new BinaryReader(fs))
        buffer = reader.ReadBytes(bytesCount);

    var hex = BitConverter.ToString(buffer);
    return hex.Replace("-", String.Empty).ToLower();
}
于 2015-10-14T12:28:58.787 回答
2

你不能。StreamReader用于读取文本，而不是二进制。使用Stream直接读取字节。在你的情况下FileStream。

要猜测文件是文本还是二进制文件，您可以将前 4K 读入 abyte[]并进行解释。

顺便说一句，您试图将字符强制转换为字节。这在原则上是无效的。我建议你熟悉一下 anEncoding是什么：它是以语义正确的方式在字符和字节之间进行转换的唯一方法。

于 2013-02-10T12:27:47.453 回答