使用 grep 检测二进制文件的最佳方法是什么？

Question

我正在尝试读取一长串文件并过滤掉二进制文件。我知道您可以使用

file <filename>

然后使用

grep

来表示“二进制”或“可执行文件”等关键字，但我担心使用这种方法会忽略一些关键字。我赞成直接将

grep

与

-I

选项一起使用。

例如，这可能不是最好的，但你可以这样做

grep -r -I -l . <directory>

它将返回该目录中所有非二进制即“可读”文件的列表。

但是，据我所知，上面的命令可能需要很长时间。

我做了一个实验，尝试使用

time

为每个命令计时，尝试同一件事的不同方法。这是结果注意，相关目录递归地包含数千个文件：

1. time { for f in $(find <dir> -type f); do grep -I -l . $f; done; }

• 结果：总共 1m20s，20s 用户，1m 系统

2. time { for f in $(find <dir> -type f); do grep -I -l -m 1 . $f; done; }

• 结果：总共 1m20s，20s 用户，1m 系统（奇怪的是，-m 1 根本没有帮助）

3. time { grep -r -I -l . <dir>; }

• 结果：总共12秒，1.5个用户，2个系统（为什么用户加系统加起来不等于总数？）

4. time { grep -r -I -l -m 1 . <dir>; }

• 结果：总共 10 秒，0.1 个用户，1.5 个系统（显然 -m 1 这次有帮助）

我不明白 grep 的工作原理足以解释这些差异。

Answer 1

如果您想根据您的评论了解编码，那么

file --mime-encoding FILE

您会得到

binary

、

us-ascii

、

utf-8

等