有没有一种方法可以检查Ruby变量是否包含二进制数据？

Question

有没有一种方法可以检查Ruby变量是否包含二进制数据？

ruby-on-railsrubyencodingbinaryms-office

11

我正在使用Ruby 2.4和Rails 5。我有一个名为“content”的变量，其中包含文件内容。该内容可能来自PDF文件、Word文件或HTML文件等。是否有方法可以判断该变量是否包含二进制数据？最终，我想知道这是PDF文件、Microsoft Office文件还是其他类型的OpenOffice文件。此答案--Rails: possible to check if a string is binary? --建议我检查变量的编码。

content.encoding

它将会产生

ASCII-8BIT

然而，在二进制数据的情况下，我注意到变量中存储的HTML内容有时也会返回“ASCII-8BIT”作为content.encoding，因此使用“content.encoding”并不是一种可靠的方法来判断是否存在二进制数据。是否存在其他方法，如果有，是什么？

- Dave

根据您的要求，看起来您需要对内容进行一些分析。我会提取前n个字节并将它们与标准ASCII代码进行比较。如果您遇到的许多字符不是ASCII，则很可能您的内容是二进制的。似乎卡方检验可能是一个好选择。为什么您无法访问实际的文件对象？ - Brennan

我正在访问一个数据库中的内容，该数据库没有关于文件的其他信息。有时会有文件名，但扩展名不可靠，无法确定文件/内容类型。 - Dave

等一下，文件的内容在数据库里？ - Brennan

1

@Dave 根据 https://github.com/blackwinter/ruby-filemagic 的宝石文档，它可以使用缓冲区工作，因此您不需要将任何内容写入文件。只需将前N个字节读入内存并传递给宝石即可。 - Brian

这个 gem 能在 Rails 5 上使用吗？我尝试安装它时出现了“Gem::Ext::BuildError: ERROR: Failed to build gem native extension”的错误。 - Dave

显示剩余3条评论

2个回答

0

如果你在Unix机器上，可以使用file命令：

file titi.pdf

你可以像这样做：

然后你可以做一些事情：

require 'open2'

cmd = 'file -'
Open3.popen3(cmd) do |stdin, stdout, wait_thr|
  stdin.write(content)
  stdin.close
  puts "file type is:" + stoud.read
end

- Xavier Nicollet

我的生产环境是Ubuntu Linux，但我的本地环境是Mac OS X。 - Dave

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Matouš Borák · Accepted Answer

如果你的真正问题不是关于二进制数据本身而是关于确定数据的文件类型，我建议你看一下ruby-filemagic gem，它可以更可靠地提供这些信息。该gem是libmagic库的简单封装，该库在类Unix系统上是标准的。该库通过扫描文件内容并将其与各种文件类型中已知的“魔法”模式进行匹配来工作。

一个字符串缓冲区的示例用法（例如从数据库读取的数据）：

require "ruby-filemagic"

content = File.read("/.../sample.pdf") # just an example to get some data

fm = FileMagic.new
fm.buffer(content)    
#=> "PDF document, version 1.4"

为了使宝石（gem）工作（并编译），您需要在系统上安装file实用程序以及带有标头的magic库。引用自自述文件：

需要file(1)库和标头：

Debian/Ubuntu：+libmagic-dev+
Fedora/SuSE：+file-devel+
Gentoo：+sys-libs/libmagic+
OS X：brew install libmagic

已测试可以在Rails 5下良好运行。