如何从file命令输出中提取PDF、GIF等指定文件类型内容

你可以直接修改C代码中的execl调用，借助Shell管道命令直接处理file的输出，无需额外编写解析逻辑，实现指定类型提取。

核心实现逻辑 #

我们需要调用Shell执行组合命令，完成以下步骤：

• 用file命令检测文件类型
• 用grep匹配你指定的7种文件类型，仅输出匹配到的内容
• 匹配到的第一个结果写入stdout.txt（避免单文件匹配到多个关键字的情况）

注意：file命令输出JPG格式时通常显示为JPEG，实现中已做兼容匹配。

修改后的C代码片段 #

int fd = open("stdout.txt",O_CREAT|O_WRONLY|O_TRUNC,0666);
dup2(fd, STDOUT_FILENO); // POSIX标准标准输出宏为STDOUT_FILENO，如果你原有代码定义了STDOUT宏可直接保留
close(fd);
// 调用sh执行管道命令
execl("/bin/sh", "sh", "-c", 
      "file \"$0\" | grep -Eo '(PDF|GIF|JPEG|PNG|MP4|ZIP|HTML)' | sed 's/JPEG/JPG/' | head -n1", 
      argv[2], 
      NULL);

命令参数说明 #

• -E：启用grep的扩展正则匹配
• -o：只输出匹配到的内容，不输出整行
• sed 's/JPEG/JPG/'：将file输出的JPEG替换为你需求指定的JPG
• head -n1：只取第一个匹配结果，避免单个文件触发多个关键字匹配
• 用$0传递argv[2]参数，避免文件名含特殊字符、空格时的解析错误

效果验证 #

如果检测的是GIF文件，最终stdout.txt里只会保留GIF字符串；如果检测的文件不属于指定的7种类型，stdout.txt会为空。

内容的提问来源于stack exchange，提问作者Lucas Gomes