Delphi и текстовые файлы

[bssergy]

Как средствами Delphi определить, является ли файл текстовым. То есть, не по расшырению, а так, скажем файл somefile.dat это текстовый файл или картинка

[Vasuha]

Можно рассматривать заголовок файла. Иногда на практике возникает такая проблема. Открываю любой файл как текстовый там практически всегда в заголовке есть реальной расширение этого файла, а не то которое стоит после точки в названии. Может так?

[bssergy]

А какой заголовок имееться ввиду?

[QAZII]

Vasuha, имелл ввиду что обычно первые 3-4 байта файла имею назвиние своего формата.
Например: у файлов .rar - в 3х байтах записано Rar! (52 61 72 21)
у файлов zip - PK (50 4B)

как вариант необходимо считать инфу ЗА этими 3-4мя символами и проверить их на текст(в делфи можно использовать множества, проверка типа if buf[i] in [a..z] then и тп)

[irkyt]

bssergy, гуглим по запросу "Работа с нетипизированныи файлами Delphi", там и смотрим что такое заголовок, какими байтами он определяется и как его считать

[aixay]

Никакими средствами ты не определишь, является ли файл строго текстовым или нет... Легко сделать бинарный файл, в котором будут только байты, отображаемые в первые 127 символов и текстовый файл, допустим в кодировке UTF - и все...

Уточни задачу...

[Inlight]

Ищи управляющие символы текстовых файлов, например - перевода строки.

[cloner78]

описание форматов файлов
http://www.wotsit.org/

[johnnyboy]

Есть метод определения по частоте символов (в сети есть частотные словари для этого), если частота символов приближена к словарю, то это текст в наибольшей вероятностью, проблема только с кодировками, если это русский текст, то на каждую кодировку должен быть свой словарь...

[BoaKaa]

Текстовый файл отличается тем что он разбит на разные по длине строки, отделенные символами #13#10.

[Ustin19]

В текстовом файле по идее не должно быть символов с кодом < 32, за исключением #$09, #$0A, #$0D. Соответственно читаем файл и ищем в нём непечатные символы. Наверное можно ограничиться поиском #$00, который всегда есть в .exe, .doc, но не всегда присутсвует в rtf например. Всё зависит от ТЗ

[s0l_ir0n]

Цитата: Сообщение от Ustin19 В текстовом файле по идее не должно быть символов с кодом < 32, за исключением #$09, #$0A, #$0D. Соответственно читаем файл и ищем в нём непечатные символы. Наверное можно ограничиться поиском #$00, который всегда есть в .exe, .doc, но не всегда присутсвует в rtf например. Всё зависит от ТЗ

А если представить, что наш файл - в DOS кодировке и в нем используется ASCII-арт, то ваше предположение рушится
Самым разумным решение все-таки представляется чтение хидера, хотя и тут без подводных камней не обойтись...

[kya]

не парьтесь ребятя имхо никак расширение файла внутри не у всех файлов есть. Вариант с символами код которых <=32 тоже не прокатит. мне однажды попадался файл с расширением .Txt внутри был текст и он смобрелся блокнотом, Однако при переименовании его расширения в .com он стартовал и работал как программа... Посему рекомендую на эту траблу забить , вознести молитву создателю файла, чтобы он вас не обманул, раз уж расширение txt то должон быть текст внутри...

[magnus_crank]

Частотный анализ затруднен, если неизвестен язык (кодировка)
А вот символы #13 и №10 (не обязательно в паре, что тоже надо учитывать), которых в текстовом файле может не быть (ну не разбит он на строки) надо сопрягать с анализом пробела (и других разделителей), который является наиболее явным признаком текстового файла. Причем кодировка и осмысленность языка не играют никакой роли при таком анализе.
То есть ведем частотный анализ длины слов, разбитых по пробелам, табуляциям и переводам строк (а также, только это сложнее, дефисам/тире, точкам и прочим знакам препинания, но там результат не однозначен). Как-то так.