如何检测 MIME 文件中的纯文本？

Posted 2023-03-15

【中文标题】如何检测 MIME 文件中的纯文本？

【英文标题】：How do I detect plaintext in a MIME file?

【发布时间】：2011-04-13 15:46:58

【问题描述】：

我有大量的 MIME 文件，其中包含多个部分。许多文件包含标有以下标题的部分：

Content-Type：应用程序/八位字节流

内容传输编码：二进制

但是，有时这些部分的内容是某种形式的二进制代码，有时它们是明文。

在 C++、Bash 或 Ruby 中是否有一种聪明的方法来检测标记为 application/octet 流的 MIME 部分的内容是二进制数据还是纯文本？

【参考方案1】：

grep 的 -I 选项会将二进制文件视为没有匹配项的文件。如果文件是二进制文件，结合 -q 选项 grep 将返回非零退出状态。

if grep -qI -e '' <file>
then
        # plaintext
else
        # binary
fi

【讨论】：

不是整个文件是二进制文件，而是文件的一部分。我们知道大部分文件都是纯文本格式的。 mime 文件由一些元数据和一些内容部分组成。内容部分具有上面列出的标头，有时是纯文本，有时是二进制文件，有时是 HTTP。

【参考方案2】：

最简单的方法是将文件拆分为一组多个文件，每个文件都包含一个组成部分。然后我们可以使用 grep 和其他函数来确定文本格式。