在Crystal语言中如何判断文件是文本或二进制？能否区分两类文件？

嘿，这个问题问得很实际！先给你明确两个关键点：首先，严格来说所有文件都是二进制的，我们平时说的「文本文件」只是约定俗成的、以人类可读字符为主的文件；其次，Crystal里完全可以通过启发式的方法区分二者，虽然没法做到100%精准，但应对绝大多数日常场景足够用了。

1. 如何判断一个文件是文本还是二进制？ #

最常用的思路是检查文件内容中非打印ASCII控制字符的占比——如果这类字符的比例很低，我们就认为它是文本文件；反之则判定为二进制文件。

这里给你一个实用的Crystal函数实现：

def text_file?(path : String, non_printable_threshold = 0.01) : Bool
  # 先校验文件是否存在且是普通文件
  return false unless File.exists?(path) && File.file?(path)

  buffer = Bytes.new(4096) # 用4KB缓冲区读取，平衡性能和内存占用
  non_printable_count = 0
  total_bytes = 0

  # 以二进制模式打开文件，避免编码自动转换干扰判断
  File.open(path, "rb") do |file|
    while bytes_read = file.read(buffer)
      bytes_read.each do |byte|
        total_bytes += 1
        # 排除换行(\n)、回车(\r)、制表符(\t)这些常用的「可接受控制字符」
        if byte < 32 && ![10, 13, 9].includes?(byte)
          non_printable_count += 1
        end
      end
    end
  end

  # 空文件可以根据需求调整判定逻辑，这里默认算文本文件
  return true if total_bytes == 0

  # 非打印字符占比低于阈值则判定为文本
  (non_printable_count.to_f / total_bytes) <= non_printable_threshold
end

函数逻辑说明： #

• 用二进制模式打开文件：避免Crystal自动尝试解码文本，保证我们读取的是原始字节
• 缓冲区读取：大文件也能高效处理，不会一次性加载全部内容到内存
• 阈值控制：默认1%的非打印字符占比，你可以根据自己的场景调整（比如有些日志文件可能有少量控制字符，适当提高阈值）

2. 能否用Crystal区分文本和二进制文件？ #

当然可以！上面的函数就是一个典型实现，但要注意：这种方法是启发式的，不是绝对准确——

• 极端情况：如果一个二进制文件恰好没有任何非打印ASCII字符（比如全是可打印的ASCII字节），会被误判为文本；
• 特殊文本文件：比如包含大量控制字符的日志或配置文件，可能被误判为二进制。

但在绝大多数日常开发场景中，这种方法的准确率已经足够高了。如果需要更精准的判断，你也可以结合编码检测（比如判断是否是有效的UTF-8），不过Crystal标准库没有内置编码检测功能，需要借助第三方库实现类似chardet的功能。

内容的提问来源于stack exchange，提问作者dgo.a