如何使用c＃.net來識別文件是文本文件還是其他文件

Question

我需要將文件作為文本文件訪問，並希望稍后進行處理。 但是在獲取它之前，如何識別正在提取的文件只是一個文本文件。 如果文件是另一種格式，我的整個代碼將被錯誤地解釋。 我只想訪問和處理文本文件。

目前我正在使用：

StreamReader objReader = new StreamReader(filePath);

如何在C＃.NET中這樣做？

Answer 1

好吧，您可以應用啟發式方法：

• 使用文件擴展名。 如果是“ .txt”，則可能是文本文件；如果是“ .jpg”，則可能不是，等等。
• 如果您知道文件應采用哪種編碼，請檢查該編碼是否有效
• 在文件開頭檢查常見的“幻數”，以識別各種眾所周知的二進制文件類型
• 如果要作為西方文檔，請檢查是否以文本文件形式讀取文件，其中大多數文件的Unicode值相對較低（通常小於U + 0100，但是您可能希望查看各種Unicode代碼表以了解自行決定）
• 除回車符，換行符和制表符外，文本文件在U + 0020之下通常沒有太多字符

但這基本上都是啟發式的。 歸根結底，文件是一個名稱和一些字節，以及一些有關訪問權限的元數據。 在某些文件系統中，可能會有更多的元數據可用，但是通常很難獲取，並且在復制文件時通常不保留元數據-因此，不應依賴於此。

Answer 2

如果要獲取文件擴展名，可以使用

Path.GetExtension方法

Answer 3

如果文件是另一種格式，我的整個代碼將被錯誤地解釋。

當然，如果您期望一個文本文件並最終得到一個二進制文件，則您的代碼將錯誤地解釋它。 但是，對於任何無效的文本文件來說，情況也是如此：如果您期望的那樣用逗號分隔，該怎么辦？ 還是不是json，這就是您想要的？ 或者是您無法處理的編碼？

關鍵是，除非您只是復制文本或對其進行非常低級的操作，否則無論是文本還是二進制文件，您都需要進行更多的檢查。 您應該（可能）檢查整個文件是否符合您的需求。 這也將捕獲傳遞到程序中的所有非文本文件！