如何判断JavaScript中ArrayBuffer存储的是文本还是二进制数据

没有100%准确率的通用检测方案，但通过多层逻辑组合，可以覆盖绝大多数常规场景，实测准确率可达99%以上：

1. 优先检测二进制文件魔数（Magic Number） #

绝大多数标准二进制格式都有固定的文件头标识（魔数），只要命中已知二进制格式的魔数，可直接判定为二进制文件，这一步能筛掉90%以上的常用二进制资源。
示例实现：

function isKnownBinary(buffer) {
  // 仅读取前4字节即可覆盖绝大多数常用格式的魔数
  const header = new Uint8Array(buffer, 0, 4);
  // PNG
  if (header[0] === 0x89 && header[1] === 0x50 && header[2] === 0x4E && header[3] === 0x47) return true;
  // JPG
  if (header[0] === 0xFF && header[1] === 0xD8 && header[2] === 0xFF) return true;
  // GIF
  if (header[0] === 0x47 && header[1] === 0x49 && header[2] === 0x46 && header[3] === 0x38) return true;
  // Windows PE 可执行文件
  if (header[0] === 0x4D && header[1] === 0x5A) return true;
  // Linux ELF 可执行文件
  if (header[0] === 0x7F && header[1] === 0x45 && header[2] === 0x4C && header[3] === 0x46) return true;
  // ZIP/RAR等压缩包、音视频格式等魔数可按需扩展
  return false;
}

2. 控制字符占比检测 #

纯文本文件（含各类编码）中，除了制表符0x09、换行0x0A、回车0x0D之外，基本不会出现0x00-0x1F区间的ASCII控制字符，而二进制文件中这类字符的占比通常很高。
示例实现：

function isTextByControlRatio(buffer, threshold = 0.01) {
  const bytes = new Uint8Array(buffer);
  let invalidControlCount = 0;
  const allowedControls = new Set([0x09, 0x0A, 0x0D]);
  for (const byte of bytes) {
    if (byte < 0x20 && !allowedControls.has(byte)) {
      invalidControlCount++;
    }
  }
  // 非法控制字符占比超过阈值则判定为二进制，阈值可根据业务调整
  return invalidControlCount / bytes.length < threshold;
}

3. 可选：UTF-8 编码合法性校验 #

如果你的业务场景中主要处理UTF-8编码的文本，可以额外增加编码校验逻辑，解码失败则大概率为二进制文件：

function isValidUtf8(buffer) {
  try {
    // fatal设为true时，遇到不符合UTF-8编码规则的字节会抛出错误
    const decoder = new TextDecoder('utf-8', { fatal: true });
    decoder.decode(buffer);
    return true;
  } catch {
    return false;
  }
}

推荐判定流程 #

按以下顺序执行检测，效率最高、误判率最低：

• 第一步：执行魔数检测，命中直接判定为不可编辑二进制
• 第二步：执行控制字符占比检测，超过阈值判定为二进制
• 第三步（可选）：如果以UTF-8文本为主，执行编码合法性校验，不合法判定为二进制
• 以上检测全部通过，判定为可编辑文本

内容的提问来源于stack exchange，提问作者Duke Dougal