如何有效確定文件種類？

Question

我正在研究的程序會查看各種ASCII文本文件並進行一些處理。 為了知道如何處理事情，需要知道是否文件

- IS_EMPTY         // done
- IS_JSON          // done via parsing, using gson
- IS_XML           // done via parsing, using dom4j
- IS_PROPERTIES    
- IS_SCRIPT

我想知道是否有一種有效的方法來確定文件是否具有類型屬性，而無需閱讀每一行來查看它是否包含Key=Value對？

另外，有沒有一種有效的方法來確定文件是否為Shell腳本？

是否有解析器可用於檢查此內容？

Answer 1

您可以嘗試以下整潔的庫： WazFormat

Answer 2

如果您的程序要求輸入文件的格式正確而不是混合類型，那么我建議您將JSON和XML impls替換為以下內容：

1. JSON-只需查找開頭的'{'作為文件中的第一個字符即可； 這是任何其他文件的無效格式（可能是腳本，具體取決於您的格式）。 如果找到“ {”作為第一個字符，則為JSON。 這樣可以節省使用GSON處理整個文件的時間。

2. XML-查找文件頭； 格式正確的XML文件甚至在此標頭之前都不能有空格； 它必須立即出現。 同樣，沒有理由嘗試捕獲整個事件只是為了捕獲異常。

3. 屬性-同樣，我將檢查第一行並確保其具有= \\ n格式。 如果他們這樣做，那你很好。

4. 腳本-我不確定您的腳本語言的格式，但是您明白了。

總而言之，進行廉價/快速檢查是否明確定義了您的要求是解決問題的方法。 如果您需要一個JSON文件全部為JSON，並且在讀取文件時遇到的第一個字符為'{'，那么我會說這是一個JSON文件，而不是EMPTY，XML或PROPERTIES（同樣，不包括SCRIPT，因為我沒有知道格式）。

然后，您可以倒回輸入流並將其提供給解析庫以進行讀取（在這里PushbackInputStreams可以派上用場）

Answer 3

用於解析屬性文件的Properties#load 。 它與讀取每一行以確認其是否適合語法沒有什么不同（除了Key=Value之外，還有一點點）。 如果格式無效，則引發異常。

Shell腳本？ 不要以為它們可能是任何語言或針對不同的Shell，都認為不可能。 我只要檢查一下shebang的第一行。

Answer 4

對於shell腳本：僅在Shebang之后檢查是否指定了shell是不夠的，例如

！/ bin / bash是shell

！/ bin / sh是外殼

。 。 。

！/ usr / bin / ruby​​不是shell

！/ usr / bin / perl不是shell

。

否則舍入為腳本語言。 。

與XML相同，它應具有doctype行，例如

<?xml version="1.0" standalone="yes" ?>

Answer 5

該博客文章包含指向一些用於識別文件類型的庫的鏈接： http : //stanlearnslinux.blogspot.com/2011/08/libmagic-like-java-packages.html

jmimemagic看起來像它會做您想要的（包括shell腳本）： http : //sourceforge.net/projects/jmimemagic/