java.net.URLConnection.guessContentTypeFromStream和純文本/

Question

所有，

我試圖找出純文本文件與Mac行尾和，一個InputStream裏面，默默地將它們轉換爲Windows或Linux行尾（重要部分是LF字符，真的）。具體來說，我正在處理幾個採用InputStream的API，並將其鎖定爲\ n作爲換行符。

有時，我會得到二進制文件。很顯然，一個非文本類型的文件不應該進行這種替換，因爲恰好相應於\ r的值不會在後面悄悄地跟隨\ n而不會嚴重損壞。

我正在嘗試使用java.net.URLConnection.guessContentTypeFromStream，並且只在類型爲text/plain時才執行endline轉換。不幸的是，"text/plain"似乎不在其返回值的範圍內;我所得到的是我的平面文本文件的null，假設所有無法識別的文件都可以修改，可能並不安全。

我可以用更好的庫（最好在公共Maven存儲庫和開源中）來做到這一點？或者，我怎麼能guessContentTypeFromStream爲我工作？我知道我正在描述一個固有的危險應用程序，沒有解決方案可能是完美的，但是我應該把「空白」看作是「文本/純文本」，我只需要自己編寫更多的代碼來尋找證據證明它不是「T？

Answer 1

在我看來，你問的是確定一個文件是否是文本文件。鑑於此，有一個解決方案here似乎正確：

誠然，他是在談論UNIX，bash和perl的，但概念是相同的：

除非你檢查0​​文件的每個字節，你不會100％獲得這個 。有一個很大的性能 檢查每個字節。但 經過一些實驗後，我決定在 算法適合我。 I 檢查第一行並聲明 文件是二進制文件，如果我遇到一個非文本字節即使是 。這似乎有點鬆懈，我知道，但我似乎脫掉了 與它。

編輯＃1：
擴大這種類型的解決方案，這似乎是一個合理的辦法是，以確保文件未包含非ASCII字符（除非你正在處理的是非文件 - 英語......那是另一種解決方案）。這可以通過檢查來完成，如果文件內容作爲一個字符串不匹配這樣的：

// -- uses commons-io 
String fileAsString = FileUtils.readFileToString(new File("file-name-here")); 
boolean isTextualFile = fileAsString.matches(".*\\p{ASCII}+.*"); 

編輯＃2
你可能想試試這個作爲你的正則表達式，或接近它。雖然，我承認它可能會使用一些提煉。

".*(?:\\p{Print}|\\p{Space})+.*"