c# - 检测文件是否包含文本

Question

可能重复：
如何确定文件是 C# 中的二进制文件还是文本文件？
C# - 检查文件是否基于文本

为了更好地理解多线程和异步任务，我用 C# 编写了一个简单的应用程序来计算项目（目录）中的代码总行数。

目前，我打开一个文件并计算每个文件中的行数。但是，这包括所有文件（jpg、png、exe 等）。有没有办法可以检测文件是否为文本文件？可能通过检测 ASCII 编码或类似的东西。

score 2 · Accepted Answer

通常，您无法可靠地检测文件是否为文本文件。它从一般问题开始，实际上是“文本文件”。您已经暗示过编码，但尤其是那些无法可靠检测到的编码（例如，请参阅记事本的斗争）。

话虽如此，您也许可以使用启发式方法来做到最好（包括但当然不限于文件扩展名；通过识别它们的签名，排除众所周知的非文件类型，如 EXE、DLL、ZIP、图像文件；可能与浏览器或记事本使用的方法结合使用）。

根据您的应用程序，我想让用户选择要扫描的文件是非常可行的（可能有一个默认的扩展名列表，如 *.cs、*.txt、*.resx、*. xml，...）。如果文件（类型）/扩展名不在默认列表中并且不是用户添加的，则不计算在内。如果用户将文件类型/扩展名添加到不是“文本文件”的列表中，则结果没有用处。

但是比较努力和自动结果永远不会100% 准确的事实（在检测所有可能的文件时）应该足够好。

score 1 · Accepted Answer

如果你真的想考虑它是二进制还是文本，测试 JPG、PNG、EXE 会很昂贵。对于 JPG，您必须运行一些 JPEG 算法，而这适用于 PNG。而对于EXE，它会有所不同。

测试二进制文件中零字节的一种方法，人们经常考虑文件零字节数的节流百分比。

我的建议是仅依靠扩展。文本文件将以 .JPG/.PNG/.EXE 扩展名命名的情况非常微不足道。

请查看此文件列表扩展名并列出文本文件扩展名，如 .txt、.log、.html、.php、.asp 等。

score 0 · Accepted Answer

FWIW，在 Internet Explorer（Windows 中的 iow）中有一个名为MLang的库，它具有编码检测功能。您可能可以使用它来简单地检测文件是文本还是二进制文件。

这是一个出色的 C# 包装器：

也就是说，其他人建议使用文件扩展名列表（也许还有签名列表）就足够了。

3 回答 3