在Unix系统中查找可读文件

Question

我想在Linux机器上寻找没有文件扩展名限制的易于人类阅读的文件。这些文件应该是人类可感知的，例如文本、配置、HTML、源代码等文件。是否有一种过滤和定位的方法？

- Yiğit

---

file 工具在确定文件内容类型方面非常出色。也许您可以使用它并根据其输出过滤文件。 - cdhowie

据我所知，只有Windows信任文件扩展名。类UNIX操作系统使用“file”命令。无论如何，您必须定义“人类可读”。 - m0skit0

这需要多么精确？您是要查找系统中的每个文件，还是只在系统的特定部分中查找？如果系统连接了数万个TB的磁盘，等待几个小时来读取所有文件是否可接受？ - Mats Petersson

另外，例如PDF文件是否被认为是可读的？“Postscript”呢？邮件文件夹中的内容呢？.zip、.tar、.gz、.bz或.xz文件呢？如果这些只是文本文件的容器，那算不算？ - Mats Petersson

我将在一个大小为5GB的目录中进行搜索。为了定义可读性，例如pdf、tar.gz、Thunderbird邮件文件、Open Office文件等是不可读的。我们应该使用more实用程序或vi来读取文件。 - Yiğit

Answer 1

用途：

find /dir/to/search -type f | xargs file | grep text

find 将提供文件列表。

xargs file 将在管道输入的每行上运行 file 命令。

- Ben Lamm

---

完美运行！好的解决方案。 - fuuman

对于文件名有趣的文件：find /dir/to/search -type f -print0 | xargs -0 file | grep text ... 什么是有趣？嵌入空格、括号、方括号、花括号等。 - tink

Answer 2

find 和 file 是你在这里的好伙伴：

find /dir/to/search -type f -exec sh -c 'file -b {} | grep text &>/dev/null' \; -print

这将在/dir/to/search中查找任何文件（注意：它不会查找符号链接目录套接字等，仅查找普通文件），并运行sh -c'file -b {} | grep text & >/dev/null'命令；该命令会检查文件类型并查找描述中的文本。如果返回true（即行中有文本），则打印文件名。

注意：使用-b标志来传递文件意味着文件名不会被打印，因此不会与grep创建任何问题。例如，如果没有-b标志，则二进制文件gettext将错误地被检测为文本文件。

例如：

root@osdevel-pete# find /bin -exec sh -c 'file -b {} |  grep text &>/dev/null' \; -print
/bin/gunzip
/bin/svnshell.sh
/bin/unicode_stop
/bin/unicode_start
/bin/zcat
/bin/redhat_lsb_init
root@osdevel-pete# find /bin -type f -name *text*
/bin/gettext

如果您想查看压缩文件，请使用--uncompress标志文件。有关更多信息和文件的标志，请参见man file。

- peteches

---

我对类Unix生态系统还很陌生。为什么你在grep的末尾使用"&"？我的理解是这会使grep异步运行。这样做是否仍会将退出状态传递给find？为什么要这样做？感谢您抽出时间来回答。 - Jesse Emond

@JesseEmond：该命令实际上并不包含一个&标记，该标记会将作业放到后台，它包含一个&>标记，该标记会导致stdout和stderr的重定向。 - Ben Voigt

Answer 3

这个也应该可以正常工作：

file_info=`file "$file_name"` # First reading the file info string which should have the words "ASCII" or "Unicode" if it's a readable file

if grep -q -i -e "ASCII" -e "Unicode"<<< "$file_info"; then
    echo "file is readable"
fi

- because_im_batman