确定MIME类型是二进制还是基于文本的

Question

是否有一个库可以确定给定的内容类型是二进制还是基于文本的？

显然，text/* 总是文本的，但对于像 application/json、image/svg+xml 或甚至 application/x-latex 这样的内容类型，如果不检查实际数据，就很难确定。

- AnC

---

你为什么不告诉我们你想用这些数据做什么呢？ - amphetamachine

抱歉，我确实应该提供更多细节。本质上（虽然简化了，但概括了基础知识），我正在惰性加载数据 - 如果一个项目是基于文本的，则处理方式与加载二进制数据不同（只有内容类型事先已知）。 - AnC

Answer 1

我不知道关于二进制和非二进制MIME类型的确切列表，但对于常见MIME类型，我认为以下内容相当不错。

def is_binary(mime_type, subtype):
    if mime_type == "text":
        return False
    if mime_type != "application":
        return True
    return subtype not in ["json", "ld+json", "x-httpd-php", "x-sh", "x-csh", "xhtml+xml", "xml"]

- W.P. McNeill

---

一个优雅的解决方案，谢谢。 - Nick Moore

刚被这个问题咬了一口屁股；image/svg+xml是文本。 - Mr. Developerdude

Answer 2

通常确定MIME类型的程序也会告诉你字符集。例如，file(1)（以及相应的libmagic）将提供以下输出：

> file --mime-encoding /bin/ls
/bin/ls: binary
> file --mime-encoding /etc/passwd
/etc/passwd: us-ascii

- amphetamachine

---

谢谢，但这需要访问实际数据，而这是不可用的 - 请查看我修改原帖的评论。 - AnC

Answer 3

有一个用于Python的libmagic包装器——pymagic。这是实现您想要的最简单的方法。请记住，魔术只不过是指纹一样的东西。如果某些东西“看起来”像另一种文件格式，那么可能会出现误报，但在大多数情况下，pymagic会给您所需的内容。

需要注意的一点是，“简单的解决方案”是检查任何字符是否“超出”可打印的ASCII范围，因为您可能会遇到Unicode，即使是文本内容，它看起来像二进制（实际上也是二进制）。

- synthesizerpatel

---

他正在询问如何确定一个MIME类型是否为二进制，而不是基于文件数据确定MIME类型。 - Glenn Maynard

值得怀疑的是，您是否希望自动信任服务器提供的 MIME 类型，但如果您这样做，则可以与 IANA MIME 类型注册表 http://www.iana.org/assignments/media-types/index.html 进行比较，尽管“mime 类型 XYZ 是二进制/文本”的界限不清，在大多数情况下，您只会被重定向到另一个 RFC，并在其中 buried 了细节。libmagic 只读取少量字节并可以合理地检测内容类型。此外，总有可能有人会为其自定义客户端编写一个随机的 MIME 类型。 - synthesizerpatel

我想这个评论已经回答了我的问题；我想要的是不可能的（请参见我上面的评论）。好吧，我可以绕过去，只是那样就不太优雅了... - AnC