bash - 如何计算 Bash 中所有人类可读的文件？

Question

我正在学习 UNIX 入门类(class)，有一个家庭作业问题如下:

How many files in the previous question are text files? A text file is any file containing human-readable content. (TRICK QUESTION. Run the file command on a file to see whether the file is a text file or a binary data file! If you simply count the number of files with the .txt extension you will get no points for this question.)

上一个问题只是询问有多少常规文件，通过执行 find 很容易弄清楚。 -类型f | wc -l.

我只是无法确定“人类可读内容”是什么，因为我假设它意味着除二进制/汇编之外的任何东西，但我认为这就是 -type f 显示的内容。也许这就是教授所说的“trick question”的意思？

这个问题后面有一个跟进，它还询问“哪些文本文件包含大小写混合的字符串“csc”？”。显然“文本”指的不仅仅是 .txt 文件，但我需要弄清楚第一个问题才能确定这一点!

Answer 1

为清楚起见添加引号:

Run the "file" command on a file to see whether the file is a text file or a binary data file!

file 命令将检查文件并告诉您它们看起来是什么类型的文件。 “文本”一词(几乎)总是出现在文本文件的描述中。

例如:

desktop.ini:   Little-endian UTF-16 Unicode text, with CRLF, CR line terminators
tw2-wasteland.jpg: JPEG image data, JFIF standard 1.02

所以第一部分要求您运行 file 命令并解析其输出。

I'm just having trouble determining what "human readable content" is, since I'm assuming it means anything besides binary/assembly, but I thought that's what -type f displays.

find -type f 查找文件。它过滤掉其他文件系统对象，如目录、符号链接(symbolic link)和套接字。不过，它会匹配任何类型的文件:二进制文件、文本文件等等。

Maybe that's what the professor meant by saying "trick question"?

听起来他只是在说不要执行 find -name '*.txt' 或类似的命令来查找文本文件。不要假定特定的文件扩展名。文件扩展名在 UNIX 中的意义远不如在 Windows 中的意义。许多文件甚至没有文件扩展名!

---

I'm thinking the professor wants us to be able to run the file command on all files and count the number of ones with 'text' in it.

多部分答案怎么样？我将在 #1 中给出直接的解决方案，这可能是您的教授正在寻找的。如果您有兴趣，我会解释它的缺点以及您可以如何改进它。

1. 一种方法是使用 xargs，如果您了解它的话。 xargs 运行另一个命令，使用来自标准输入的数据作为该命令的参数。

   $ find . -type f | xargs file
   ./netbeans-6.7.1.desktop: ASCII text
   ./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
   ./VMWare:                 cannot open `./VMWare' (No such file or directory)
   (copy).desktop:           cannot open `(copy).desktop' (No such file or directory)
   ./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable
   

2. 有效。有点。这对于家庭作业来说已经足够了。但对于真实世界的脚本来说还不够好。

   请注意它是如何在文件 VMWare (copy).desktop 上中断的，因为其中有一个空格。这是由于 xargs 的默认行为是在空白处拆分参数。我们可以通过使用 xargs -0 在 NUL 字符而不是空格上拆分命令参数来解决这个问题。文件名不能包含 NUL 字符，因此这将能够处理任何事情。

   $ find . -type f -print0 | xargs -0 file
   ./netbeans-6.7.1.desktop: ASCII text
   ./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
   ./VMWare (copy).desktop:  a /usr/bin/env xdg-open script text executable
   ./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable
   

3. 这对于制作脚本来说已经足够好了，而且您会经常遇到这种情况。但我个人更喜欢不需要管道的替代语法，因此效率稍微高一些。

   $ find . -type f -exec file {} \;
   ./netbeans-6.7.1.desktop: ASCII text
   ./VMWare.desktop:         a /usr/bin/env xdg-open script text executable
   ./VMWare (copy).desktop:  a /usr/bin/env xdg-open script text executable
   ./Eclipse.desktop:        a /usr/bin/env xdg-open script text executable
   

   为了理解这一点，-exec 重复调用 file，将 {} 替换为它找到的每个文件名。分号 \; 标志着 file 命令的结束。