如何在 R 中检查文件的幻数（或十六进制签名）？

Question

我想检测对象的文件类型以确定压缩文件的正确连接（例如，是否使用 bzfile gzfile、xzfile 等. 显然我可以 "guess" 基于文件扩展名，但我的理解是检查 magic number 会更健壮（尽管我有点不清楚这是否可以移植到 Windows-基于架构？）

如何 return 文件的幻数来确定它是否确实是 BZh？

请注意，我想要一个适用于包开发的解决方案；例如将尽可能跨操作系统移植，而不是特定于 *nix 系统。

Answer 1

我找不到已经编写的包或函数在 R 中本地执行此操作。尽管我认为抓取 wiki 参考 table（或获取 magic.mgc 并解析它）并使用 readBin 或类似的，我认为跨平台使用更直接的方法是使用 file 命令。唯一缺乏跨平台的是 windows 当 Rtools 不可用时。

我创建了两个文件，创造性地命名为"gz"和"bz2"，运行这个测试。

ptns <- list(gzip="gzip compressed data",
             bzip2="bzip2 compressed data",
             pdf15="PDF document, version 1.5",
             xlsx="Microsoft Excel")

files <- c("gz", "bz2")
out <- system2("file", args=files, stdout=TRUE)

setNames(sapply(out, function(o) {
  thistype <- "unk"
  for (j in seq_along(ptns)) {
    if (grepl(ptns[[j]], o)) {
      thistype <- names(ptns)[j]
      break
    }
  }
  thistype
}), files)
#      gz     bz2 
#  "gzip" "bzip2"

我在内部选择 for 循环的原因是我希望它在成功匹配后中断执行。

Answer 2

Github 上有几个软件包以某种方式使用 libmagic：

https://github.com/hrbrmstr/wand：在 *nix 上包装 libmagic 并在 Windows.

file.exe

https://github.com/hrbrmstr/simplemagic：仅使用 magic.mgc.
https://github.com/daqana/dqmagic: Wraps libmagicon *nix and compiles libmagic on Windows (c.f. https://github.com/daqana/dqmagic/tree/windows)

如何在 R 中检查文件的幻数（或十六进制签名）？

How do I check a file's magic number (or hex signature) in R?

compression

r

file

bzip2