1. 首页
  2. IT资讯

关于LINUX FILE命令是如何判断文件字符集的

今天在使用file -i 查看MYSQLDUMP文件的时候其输出为
charset=us-ascii with very long lines
我导出的文件应该是utf8的,为什么会显示ASCII呢,我们知道ASCII并没有中文编码,那么真的有问题吗?
然后用如下2个小程序测试了一下

点击(此处)折叠或打开

  1. #include<stdio.h>
  2. int main(void)
  3. {
  4.         FILE *p;
  5.         int i=0;
  6.         p=fopen(“test11.txt”,“w+”);
  7.         fputs(“高鹏n”,p);
  8.         while(i<50000000)
  9.         {
  10.                 fputs(“test”,p);
  11.                 i++;
  12.         }
  13.         fputs(“n”,p);
  14.         fclose(p);
  15.         return 0;
  16. }

点击(此处)折叠或打开

  1. #include<stdio.h>
  2. int main(void)
  3. {
  4.         FILE *p;
  5.         int i=0;
  6.         p=fopen(“test10.txt”,“w+”);
  7.         while(i<50000000)
  8.         {
  9.                 fputs(“test”,p);
  10.                 i++;
  11.         }
  12.         fputs(“n”,p);
  13.         fputs(“高鹏n”,p);
  14.         fclose(p);
  15.         return 0;
  16. }

实际上并没有什么不同这两个文件 test10 和test11 都有2行其中一个很长的行全部是test字符串,第二行是高鹏
明显他们应该返回UTF8编码,但是并不是
gaopeng@bogon:~$ file -i test10.txt 
test10.txt: text/plain; charset=us-ascii
gaopeng@bogon:~$ file -i test11.txt 
test11.txt: text/plain; charset=utf-8

可以看到如果”高鹏”字符串在第二行返回为ASCII而在第一行为UTF-8,我们可以推测出 file 命令是检测文件开头的某些字符而返回的,并没有全部查看,或者有什么其他算法,但是他不是全部查看。试想如果全部查看一遍 一个200G的备份文件瞬间就返回了结果也是不可能的。
在file的帮助中也明确的写着
   Once file has determined the character set used in a text-type file, it will attempt to determine in what language the file is written.  The language tests
     look for particular strings (cf.  ) that can appear anywhere in the first few blocks of a file.

当然要知道具体的方法估计只有源码。

所以file -i检测的并不一定是正确的字符集。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7728585/viewspace-2125168/,如需转载,请注明出处,否则将追究法律责任。

主题测试文章,只做测试使用。发布者:深沉的少年,转转请注明出处:http://www.cxybcw.com/183774.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code