Python的文件识别库
项目描述
确认
Python的文件识别库。
给定一个文件（或有关文件的一些信息），返回一组标准化的标签来标识文件是什么。
安装
pip install identify
用法
使用磁盘上的文件
如果您在磁盘上有一个实际文件，您可以获得尽可能多的信息（所有其他方法的超集）：
>>> from identify import identify
>>> identify.tags_from_path('/path/to/file.py')
{'file', 'text', 'python', 'non-executable'}
>>> identify.tags_from_path('/path/to/file-with-shebang')
{'file', 'text', 'shell', 'bash', 'executable'}
>>> identify.tags_from_path('/bin/bash')
{'file', 'binary', 'executable'}
>>> identify.tags_from_path('/path/to/directory')
{'directory'}
>>> identify.tags_from_path('/path/to/symlink')
{'symlink'}
使用磁盘上的文件时，执行的检查是：
- 文件类型（文件、符号链接、目录、套接字）
- 模式（是否可执行？）
- 文件名（主要基于扩展名）
- 如果可执行，则读取 shebang 并解释解释器
如果你只有文件名
>>> identify.tags_from_filename('file.py')
{'text', 'python'}
如果你只有口译员
>>> identify.tags_from_interpreter('python3.5')
{'python', 'python3'}
>>> identify.tags_from_interpreter('bash')
{'shell', 'bash'}
>>> identify.tags_from_interpreter('some-unrecognized-thing')
set()
作为一个cli
$ identify-cli --help
usage: identify-cli [-h] [--filename-only] path
positional arguments:
path
optional arguments:
-h, --help show this help message and exit
--filename-only
$ identify-cli setup.py; echo $?
["file", "non-executable", "python", "text"]
0
$ identify-cli setup.py --filename-only; echo $?
["python", "text"]
0
$ identify-cli wat.wat; echo $?
wat.wat does not exist.
1
$ identify-cli wat.wat --filename-only; echo $?
1
识别 LICENSE 文件
identify还有一个用于确定文件中包含什么类型的许可证的 api。该例程大致基于被
许可人使用的方法（github 用来计算 repo 许可证的 ruby gem）。
使用的方法identify如下：
- 剥离版权线
- 规范化所有空格
- 返回任何完全匹配
- 返回最接近的编辑距离（编辑距离 < 5%）
要使用 api，请通过以下方式安装pip install identify[license]
>>> from identify import identify
>>> identify.license_id('LICENSE')
'MIT'
该license_id函数的返回值是一个SPDX id。目前许可证来自choosealicense.com。
这个怎么运作
调用这样tags_from_path做：
- 类型是什么：文件、符号链接、目录？如果不是文件，请在此处停止。
- 是否可执行？添加适当的标签。
- 我们能识别文件扩展名吗？如果是这样，请添加适当的标签，到此为止。这些标签将包括二进制/文本。
- 查看文件的前 X 个字节。使用这些来确定是二进制还是文本，添加相应的标记。
- 如果识别为上述文本，请尝试阅读和解释 shebang，并添加适当的标签。
按照设计，这意味着我们不需要部分读取我们识别文件扩展名的文件。
