如何使用c＃.net来识别文件是文本文件还是其他文件

Question

我需要将文件作为文本文件访问，并希望稍后进行处理。 但是在获取它之前，如何识别正在提取的文件只是一个文本文件。 如果文件是另一种格式，我的整个代码将被错误地解释。 我只想访问和处理文本文件。

目前我正在使用：

StreamReader objReader = new StreamReader(filePath);

如何在C＃.NET中这样做？

Answer 1

好吧，您可以应用启发式方法：

• 使用文件扩展名。 如果是“ .txt”，则可能是文本文件；如果是“ .jpg”，则可能不是，等等。
• 如果您知道文件应采用哪种编码，请检查该编码是否有效
• 在文件开头检查常见的“幻数”，以识别各种众所周知的二进制文件类型
• 如果要作为西方文档，请检查是否以文本文件形式读取文件，其中大多数文件的Unicode值相对较低（通常小于U + 0100，但是您可能希望查看各种Unicode代码表以了解自行决定）
• 除回车符，换行符和制表符外，文本文件在U + 0020之下通常没有太多字符

但这基本上都是启发式的。 归根结底，文件是一个名称和一些字节，以及一些有关访问权限的元数据。 在某些文件系统中，可能会有更多的元数据可用，但是通常很难获取，并且在复制文件时通常不保留元数据-因此，不应依赖于此。

Answer 2

如果要获取文件扩展名，可以使用

Path.GetExtension方法

Answer 3

如果文件是另一种格式，我的整个代码将被错误地解释。

当然，如果您期望一个文本文件并最终得到一个二进制文件，则您的代码将错误地解释它。 但是，对于任何无效的文本文件来说，情况也是如此：如果您期望的那样用逗号分隔，该怎么办？ 还是不是json，这就是您想要的？ 或者是您无法处理的编码？

关键是，除非您只是复制文本或对其进行非常低级的操作，否则无论是文本还是二进制文件，您都需要进行更多的检查。 您应该（可能）检查整个文件是否符合您的需求。 这也将捕获传递到程序中的所有非文本文件！