Comment reconnaitre un fichier texte

**Shin no Noir** · 18/12/2005, 18h08

Bonjour a tous

J'aimerais savoir s'il existe une fonction en C (ou une autre methode) qui me pemettrait de savoir si un fichier est un fichier texte ou non. Je precise que je suis sous Linux

.
Mer recherches m'ont oriente vers la fonction "file" de linux et "nombre magic" mais je n'aboutit a rien

.

**Emmanuel Delahaye** · 18/12/2005, 18h36

Envoyé par Shin no Noir

J'aimerais savoir s'il existe une fonction en C (ou une autre methode) qui me pemettrait de savoir si un fichier est un fichier texte ou non.

En théorie, non.
En pratique, si on fait le profil de la récurrence des caractères, on va voir un pic à 10 (LF) et à 32 (SPC') qui est plus que révélateur. Mais ça reste de l'approximation.
Exemples :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
 
processing /dev/forums/OP/main.c ...
'Profil' max=304 ('*'=5) (width=60)
[   0]        0|
[   1]        0|
[   2]        0|
[   3]        0|
[   4]        0|
[   5]        0|
[   6]        0|
[   7]        0|
[   8]        0|
[   9]        0|
[  10]       56|***********
[  11]        0|
[  12]        0|
[  13]       56|***********
[  14]        0|
[  15]        0|
[  16]        0|
[  17]        0|
[  18]        0|
[  19]        0|
[  20]        0|
[  21]        0|
[  22]        0|
[  23]        0|
[  24]        0|
[  25]        0|
[  26]        0|
[  27]        0|
[  28]        0|
[  29]        0|
[  30]        0|
[  31]        0|
[  32]      304|************************************************************
[  33]        3|
[  34]       14|**
[  35]       14|**
[  36]        0|
[  37]        1|
[  38]        0|
[  39]        0|
[  40]       17|***
[  41]       17|***
[  42]        6|*
[  43]        0|
[  44]        9|*
[  45]       91|******************
[  46]        9|*
[  47]       15|***
[  48]        4|
[  49]        5|*
[  50]        2|
[  51]        0|
[  52]        0|
[  53]        0|
[  54]        1|
[  55]        1|
[  56]        2|
[  57]        0|
[  58]        0|
[  59]       12|**
[  60]        2|
[  61]        8|*
[  62]        1|
[  63]        0|
[  64]        0|
[  65]        1|
[  66]        1|
[  67]        0|
[  68]        1|
[  69]        2|
[  70]        2|
[  71]        2|
[  72]        0|
[  73]        1|
[  74]        0|
[  75]        0|
[  76]       11|**
[  77]        0|
[  78]        5|*
[  79]        3|
[  80]        3|
[  81]        0|
[  82]        1|
[  83]        0|
[  84]        0|
[  85]        5|*
[  86]        0|
[  87]        0|
[  88]        0|
[  89]        0|
[  90]        0|
[  91]        0|
[  92]        1|
[  93]        0|
[  94]        0|
[  95]        9|*
[  96]        0|
[  97]       10|**
[  98]        3|
[  99]       16|***
[ 100]       14|**
[ 101]       37|*******
[ 102]       28|*****
[ 103]        2|
[ 104]       22|****
[ 105]       41|********
[ 106]        1|
[ 107]        1|
[ 108]       10|**
[ 109]       11|**
[ 110]       30|******
[ 111]       12|**
[ 112]       12|**
[ 113]        0|
[ 114]       17|***
[ 115]       19|***
[ 116]       12|**
[ 117]        7|*
[ 118]        3|
[ 119]        2|
[ 120]        0|
[ 121]        0|
[ 122]        0|
[ 123]        6|*
[ 124]        0|
[ 125]        6|*
[ 126]        0|
[ 127]        0|

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
 
processing /dev/forums/OP/01.exe ...
'Profil' max=12355 ('*'=163) (width=75)
[   0]    12355|****************************************************************
***********
[   1]      498|***
[   2]      355|**
[   3]      498|***
[   4]      402|**
[   5]      260|*
[   6]       43|
[   7]       26|
[   8]      240|*
[   9]       32|
[  10]       42|
[  11]       19|
[  12]       95|
[  13]       23|
[  14]        9|
[  15]       89|
[  16]      110|
[  17]       10|
[  18]        9|
[  19]        8|
[  20]       88|
[  21]       24|
[  22]       15|
[  23]       11|
[  24]       36|
[  25]       11|
[  26]       13|
[  27]       20|
[  28]       52|
[  29]       17|
[  30]       14|
[  31]       17|
[  32]      308|*
[  33]       45|
[  34]       18|
[  35]        3|
[  36]      527|***
[  37]       97|
[  38]       41|
[  39]       37|
[  40]       35|
[  41]       22|
[  42]       14|
[  43]        6|
[  44]       47|
[  45]       28|
[  46]      448|**
[  47]       17|
[  48]       49|
[  49]       72|
[  50]       40|
[  51]       22|
[  52]       84|
[  53]       49|
[  54]       48|
[  55]       46|
[  56]       20|
[  57]       56|
[  58]       20|
[  59]        8|
[  60]       21|
[  61]       27|
[  62]       10|
[  63]        6|
[  64]      424|**
[  65]       89|
[  66]       20|
[  67]       90|
[  68]      132|
[  69]      150|
[  70]       24|
[  71]       19|
[  72]       23|
[  73]       28|
[  74]        9|
[  75]       10|
[  76]       92|
[  77]       28|
[  78]       23|
[  79]       44|
[  80]       75|
[  81]       42|
[  82]       51|
[  83]      136|
[  84]       95|
[  85]      150|
[  86]       19|
[  87]       18|
[  88]       14|
[  89]       45|
[  90]        1|
[  91]       46|
[  92]       25|
[  93]      118|
[  94]       29|
[  95]      749|****
[  96]       40|
[  97]      679|****
[  98]      101|
[  99]      180|*
[ 100]      351|**
[ 101]      377|**
[ 102]      107|
[ 103]       60|
[ 104]      107|
[ 105]      415|**
[ 106]       10|
[ 107]       21|
[ 108]      183|*
[ 109]      159|
[ 110]      148|
[ 111]      161|
[ 112]      224|*
[ 113]       74|
[ 114]      256|*
[ 115]      364|**
[ 116]      735|****
[ 117]      143|
[ 118]       45|
[ 119]       35|
[ 120]      118|
[ 121]       33|
[ 122]       17|
[ 123]        7|
[ 124]       28|
[ 125]       28|
[ 126]        8|
[ 127]        4|

**Médinoc** · 18/12/2005, 19h34

En théorie, un fichier texte est aussi censé n'avoir aucun caractère nul. Je pense que c'est là-dessus que bcp de programmes basent leur différentiation, UltraEdit par exemple...

**Shin no Noir** · 18/12/2005, 20h55

Envoyé par Médinoc

En théorie, un fichier texte est aussi censé n'avoir aucun caractère nul.

Qu'entends-tu par caractère nul ?
Sinon savez-vous comment fonctionne la commande file ?

**Smortex** · 18/12/2005, 21h38

Salut

GNU grep utilise également les '\0' et '\n' pour "détecter" les "type" des fichiers...

Envoyé par Shin no Noir

Qu'entends-tu par caractère nul ?

Ben le caractère de fin de chaine, celui dont le code ascii vaut 0 ... '\0' quoi

Envoyé par Shin no Noir

Sinon savez-vous comment fonctionne la commande file ?

Précisément comme c'est décrit dans sa page de man ...

**Shin no Noir** · 19/12/2005, 10h31

On peut très bien avoir un autre type de fichier ne contenant pas le caractère '\0' non ?

Précisément comme c'est décrit dans sa page de man ...

Oui j'ai déjà lu le man

, il m'indique qu'il faut utiliser la fonction 'stat' mais je ne vois pas très bien comment elle permet de détecter si le fichier est un fichier texte ou pas (je précise que j'ai déjà lu le man

)

**Smortex** · 19/12/2005, 11h17

Envoyé par Shin no Noir

On peut très bien avoir un autre type de fichier ne contenant pas le caractère '\0' non ?

Oui, comme on te l'a deja dit :

J'aimerais savoir s'il existe une fonction en C (ou une autre methode) qui me pemettrait de savoir si un fichier est un fichier texte ou non.

En théorie, non.

Il est juste fort probable de ne pas trouver de caracteres non imprimables dans un fichier texte...

Envoyé par Shin no Noir

Oui j'ai déjà lu le man

, il m'indique qu'il faut utiliser la fonction 'stat' mais je ne vois pas très bien comment elle permet de détecter si le fichier est un fichier texte ou pas (je précise que j'ai déjà lu le man

)

La il faut sortir le ssources de stat ... Et quand tu as pris peur, tu peux te rabattre sur qulque chose de plus concis et ou intervient également une détection binaire / texte... Moi, j'ai été gratter dans grep...

**Shin no Noir** · 19/12/2005, 17h49

Moi, j'ai été gratter dans grep...

Merçi ça m'a permis d'avancer

.
Voilà ce que j'ai réussi à faire pour le moment :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
int main(int argc, char *argv[])
{
  char c;
  FILE *fichier;
 
 
  fichier = fopen(argv[1],"r");
 
  while ((c= getc(fichier)) != EOF)
    {
      if (c == '\0')
	{
	  printf("pas fichier texte\n");
	  return 0;
	}
      else
	if (c =='\n')
	  {
	    printf("fichier texte\n");
	    return 1;
	  }
    }
  printf("pas fichier texte\n");
  return 0;
}

Ca marche pas trop mal mais il reste un petit problème:
c'est au niveau des fichiers vidéo, ma fonction les considère comme étant des fichiers texte

. Vous auriez une idée ?

**fearyourself** · 19/12/2005, 18h14

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
if (c =='\n')
     {
       printf("fichier texte\n");
       return 1;
     }

Personne a dit qu'un fichier binaire ne possédait pas de '\n'...
Pourquoi est-ce que ton programme le suppose?

Comme il a déjà été dit:

On peut trouver dans un fichier texte des caractères non imprimable, je tire ton attention sur le fait qu'on peut écrire un '\0' dans un fichier texte (bien que cela ne serve pas à grand chose) comme on peut écrire un '\n" dans un fichier binaire.

La seule solution si tu ne sais vraiment pas d'où vient le fichier et que tu ne peux/veux pas faire confiance à l'extension du fichier, alors il faut faire comme l'a souligné Emmanuel:

En pratique, si on fait le profil de la récurrence des caractères, on va voir un pic à 10 (LF) et à 32 (SPC') qui est plus que révélateur. Mais ça reste de l'approximation.

**Emmanuel Delahaye** · 19/12/2005, 18h48

Envoyé par Shin no Noir

Voilà ce que j'ai réussi à faire pour le moment :
<...>
Ca marche pas trop mal mais il reste un petit problème:
c'est au niveau des fichiers vidéo, ma fonction les considère comme étant des fichiers texte. Vous auriez une idée ?

Qu'est-ce que tu ne comprends pas dans le mot 'statistique' ? Je t'ai expliqué et démontré exemple à l'appui qu'il fallait travailler par profil. C'est trop dur à comprendre ou quoi ?

Tu pourras dire tel fichier a 95% de chances d'être un fichier texte ou 90%, voire 50% d'être un fichier binaire. etc. Il n'y a pas de critères absolu. On ne peut que dégager des tendances.

**Shin no Noir** · 19/12/2005, 19h02

Envoyé par Emmanuel Delahaye

C'est trop dur à comprendre ou quoi ?

Non c'est même très simple

. Mais le problème est que je dois scanner tout le disque dur à la recherche des fichiers textes donc avec ta méthode cela risque de me prendre énormément de temps

.
Je cherche une méthode rapide et efficace c'est pour cela que j'ai fais abstraction de la tienne.

**Smortex** · 19/12/2005, 22h13

Autre element a prendre en consideration : la taille du fichier... Tu peux donc te lancer dans un analyse heuristique en fonction des différents paramètres expposés ici (taille, extension, contenu, localisation sur le systeme si tout est range comme sous Unix (les binaires dans bin, etc ...))...

Comment reconnaitre un fichier texte

C

Discussions similaires

Partager

Partager