在R中根据内容确定文件类型

Question

在Linux中，我们可以使用file命令基于文件内容（而不是扩展名）获取文件类型。在R中是否有类似的函数？

- user1436187

---

如果这些答案对您有帮助，请将它们标记为答案并点赞（如果您认为它们对您有帮助！） - David

Answer 1

虽然这是一个老问题，但对于通过谷歌搜索到这里的人可能仍有参考价值：您可以使用 dqmagic（一个基于libmagic的R包装器）来根据文件内容确定文件类型。由于file使用相同的库，因此结果是相同的，例如：

library(dqmagic)
file_type("DESCRIPTION")
#> [1] "ASCII text"
file_type("src/file.cpp")
#> [1] "C source, ASCII text"

对比。

$ file DESCRIPTION src/file.cpp 
DESCRIPTION:  ASCII text
src/file.cpp: C source, ASCII text

免责声明：我是该软件包的作者。

- Ralf Stubner

Answer 2

dqmagic并未在CRAN上发布。以下是一个使用Linux的“file”命令（实际上是基于BSD的'file' v5.35，日期为2018年10月，根据man页面，在Ubuntu 19.04中打包）的R解决方案。

file_full_path <- "/home/user/Documents/an_RTF_document.doc"
file_mime_type <- system2(command = "file",
  args = paste0(" -b --mime-type ", file_full_path), stdout = TRUE) # "text/rtf"
# Gives the list of potentially allowed extension for this mime type:
file_possible_ext <- system2(command = "file",
  args = paste0(" -b --extension ", file_full_path),
  stdout = TRUE) # "???". "doc/dot" for MsWord files.

有时需要检查实际的扩展名是否为给定的MIME类型合法的扩展名（例如，readtext::readtext() 可以读取RTF文件，但如果以*.doc格式保存，则会失败）。

file.basename <- basename(file_full_path)
file.base_without_ext <-sub(pattern = "(.*)\\..*$",
  replacement = "\\1", file.basename)
file.nchar_ext <- nchar(file.basename) - 
  nchar(file.base_without_ext)-1 # 3 or 4 (doc, docx, odt...)
file_ext <- substring(file.basename, nchar(file.basename) -
  file.nchar_ext +1) # doc, rtf...
if (file_mime_type == "text/rtf"){
   file_possible_ext <- "rtf"
} # in some (all?) cases, for an rtf mime-type, 
  #'file' outputs "???" as allowed extension

# Returns TRUE if the actual extension is known to 
# be a valid extension for the given mime type:
length(grep(file_ext, file_possible_ext, ignore.case = TRUE)) > 0

- mayeulk