Comment reconnaitre un fichier texte

Version imprimable

18/12/2005, 17h08
Shin no Noir

Comment reconnaitre un fichier texte

Bonjour a tous :wink:
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 :cry: .

Re: Comment reconnaitre un fichier texte

Citation:

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:

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:

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|

18/12/2005, 18h34
Médinoc

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...
18/12/2005, 19h55
Shin no Noir

Citation:

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 ?
18/12/2005, 20h38
Smortex

Salut

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

Citation:

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 :)

Citation:

Envoyé par Shin no Noir

Sinon savez-vous comment fonctionne la commande file ?

Précisément comme c'est décrit dans sa page de man ...
19/12/2005, 09h31
Shin no Noir

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

Citation:

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

Oui j'ai déjà lu le man :wink:, 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 :D )
19/12/2005, 10h17
Smortex

Citation:

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 :

Citation:

Citation:

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...

Citation:

Envoyé par Shin no Noir

Oui j'ai déjà lu le man :wink:, 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 :D )

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...

Citation:

Moi, j'ai été gratter dans grep...

Merçi ça m'a permis d'avancer :wink:.
Voilà ce que j'ai réussi à faire pour le moment :
Code:

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 :cry: . Vous auriez une idée ?

19/12/2005, 17h14
fearyourself
Citation:
Code:

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:

Citation:

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.
19/12/2005, 17h48
Emmanuel Delahaye

Citation:

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.
19/12/2005, 18h02
Shin no Noir

Citation:

Envoyé par Emmanuel Delahaye

C'est trop dur à comprendre ou quoi ?

Non c'est même très simple :D . 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 8O.
Je cherche une méthode rapide et efficace c'est pour cela que j'ai fais abstraction de la tienne.
19/12/2005, 21h13
Smortex

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 ...))...