如何檢測文件是否有Unix換行符（\ n）或Windows換行符（\ r \ n）？

Question

我正在通過FileStream更改文件（這是一個非常大的文件，我只需要在不重寫整個文件的情況下更改標頭）

該文件可以具有Unix或Windows換行符，對我來說很重要，以便我可以在更新文件時將正確的換行符寫回文件中。

我可以編寫一個簡單的函數，使用FileStream以塊的形式讀取文件並檢查換行字符

但是這個問題在之前必須解決，如果不是在C＃那麼在Win32 API中呢？

什麼是檢測文件的換行樣式的最有效方法？

Answer 1

非常感謝您的建議。我很驚訝沒有找到容易重用的東西，所以我創建了一個簡單的函數，我將它包含在這裏。請注意，它只是找到第一個換行符（\ n或\ r \ n）並將其作爲匹配返回。足夠滿足我的需求，但可能不夠健壯。

public bool TryDetectNewLine(string path, out string newLine) 
    { 
     using (var fileStream = File.OpenRead(path)) 
     { 
      char prevChar = '\0'; 

      // Read the first 4000 characters to try and find a newline 
      for (int i = 0; i < 4000; i++) 
      { 
       int b; 
       if ((b = fileStream.ReadByte()) == -1) break; 

       char curChar = (char)b; 

       if (curChar == '\n') 
       { 
        newLine = prevChar == '\r' ? "\r\n" : "\n"; 
        return true; 
       } 

       prevChar = curChar; 
      } 

      // Returning false means could not determine linefeed convention 
      newLine = Environment.NewLine; 
      return false; 
     } 
    } 

Answer 2

不幸的是，如果是Unix或DOS文件，我不認爲有一種方法可以100％確定，因爲大多數編輯器在打開/保存時沒有糾正錯誤結尾的文件。

我會讀取該文件作爲流和搜索的「\ r \ n」個出現的，只有「\ n」

使用一個簡單的統計分析（即哪一個具有最高的命中計數）的搜索結果可能會給你正確的答案。如果文件很大，那麼讀取文件的第一個X％就足夠了。

更簡單的解決方案當然是只搜索「\ r \ n」，如果找到，則假定它是DOS文件。如果文件是機器生成的，這應該工作到100％。

至於.NET Framework/WinAPI中的任何現有代碼，我還沒有看到任何執行此操作的代碼。

Answer 3

按照規定，如果不打開文本文件並通過字節流式傳輸，確實無法對文本文件的內容進行設置。如果您使用http下載文件，您可能會遇到麻煩，您可能會獲得一種MIME類型來表示文件類型，但通常它只是「八位字節流」。當你可以蠻橫強迫它，直到你找到一個換行符（「\ n」），然後備份一個字符，看看是否有回車符（「\ r」），我會採取更加平等的態度因爲你必須以任何方式讀取數據。

1）選擇要讀取的字節的樣本大小，應該從文件中獲取至少2或3條記錄。

2）將每個字節的遭遇（我把這個單字節字符集設置在這裏）存儲爲直方圖。您可以通過將計數存儲在由字節值索引的模式中來完成此操作，也可以使用字典。

3）看看回車和換行值計數。如果您有換行計數並且沒有回車，那麼它是一個unix文件。如果carraige返回和換行計數，那麼它是一個Windows文件。

這種方法還允許您執行的操作是對入站文件進行質量檢查。你有沒有aplha數字直方圖charcaters？然後有人向你傳遞了一個二進制文件。期待所有大寫？然後在upercase字符外尋找計數。有很多檢查可以避免處理非文本文件。