全部，
我正在尝试识别具有 Mac 行结尾的纯文本文件，并在 InputStream 中静默将它们转换为 Windows 或 Linux 行结尾(重要的部分是 LF 字符，真的)。具体来说，我正在使用几个 API，这些 API 采用 InputStreams 并且被硬锁定为寻找\n 作为换行符。
有时，我会得到二进制文件。显然，一个不是文本类的文件不应该进行这种替换，因为恰好对应于\r 的值显然不能在不严重破坏的情况下默默地跟在\n 之后。
我正在尝试使用 java.net.URLConnection.guessContentTypeFromStream 并且仅在类型为文本/纯文本时执行行尾转换。不幸的是，"text/plain" 似乎不在其返回值范围内；对于我的平面文本文件，我得到的只是 null，假设所有无法识别的文件都可以被修改可能是不安全的。
我可以使用什么更好的库(最好是在公共(public) Maven 存储库和开源库中)来执行此操作？或者，如何让 guessContentTypeFromStream 为我工作？我知道我在描述一个本质上危险的应用程序，没有完美的解决方案，但我是否应该将“null”视为可能是“text/plain”，我只需要自己编写更多代码来寻找证据证明它不是't?
最佳答案
在我看来，您的要求是确定文件是否为文本文件。鉴于此，有一个解决方案 here这似乎是对的:
当然，他说的是 unix、bash 和 perl，但概念是一样的:
Unless you inspect every byte of the file, you are not going to get this 100%. And there is a big performance hit with inspecting every byte. But after some experiments, I settled on an algorithm that works for me. I examine the first line and declare the file to be binary if I encounter even one non-text byte. It seems a little slack, I know, but I seem to get away with it.
编辑#1:
扩展这种类型的解决方案，似乎一种合理的方法是确保文件不包含非 ascii 字符(除非您处理的是非英语文件……这是另一种解决方案)。这可以通过检查作为字符串的文件内容是否与此不匹配来完成:
// -- uses commons-io
String fileAsString = FileUtils.readFileToString( new File( "file-name-here" ) );
boolean isTextualFile = fileAsString.matches( ".*\\p{ASCII}+.*" );
编辑#2
你可能想试试这个作为你的正则表达式，或者类似的东西。不过，我承认它可能需要一些改进。
".*(?:\\p{Print}|\\p{Space})+.*"
关于java.net.URLConnection.guessContentTypeFromStream 和 text/plain，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4443897/