将文件中的 ASCII 文本与二进制内容分离

Question

我有一个包含 ASCII 文本和二进制内容的文件。我想提取文本而无需解析二进制内容，因为二进制内容为 180MB。我可以简单地提取文本以进行进一步操作吗？最好的方法是什么？

ASCII 位于文件的最开头。

Answer 1

Java 中有 4 个库可以读取 FITS 文件此处：

Java

nom.tam.fits 类

Java FITS 库已经开发出来，它为 FITS 图像和二进制表提供了高效的（至少对于 Java 而言）I/O。 Java 库支持所有基本 FITS 格式和 gzip 压缩文件。包括对访问数据子集的支持，并且可以使用 HIERARCH 约定。

eap.fits

包括用于查看和编辑 FITS 文件的小程序和应用程序。还包括用于读取和写入 FITS 数据的通用包。如果可选的 PGP jar 文件可用，它可以读取 PGP 加密文件。

jfits

jfits 库支持 FITS 图像以及 ASCII 和二进制表。支持关键字和数据的内嵌修改。

STIL

一个纯java通用表I/O库，可以读写FITS二进制表以及其他表格式。它非常高效，可以提供对比物理内存大得多的 FITS 表的快速顺序或随机读取访问。不支持 FITS 图像。

Answer 2

我不知道有任何 Java 类会读取 ASCII 字符并忽略其余字符，但我在这里能想到的最简单的方法是使用 strings 实用程序（假设您使用的是 Unix-为基础的系统）。

概要
字符串 [-] [-a] [-o] [-t 格式] [-数字] [-n 数字]
[--] [文件...]

描述
字符串在二进制文件或标准文件中查找 ASCII 字符串
输入。
字符串对于识别随机对象文件和
许多其他
事物。字符串是 4（默认）或更多的任意序列
印刷
以换行符或空字符结尾的字符。除非 -
标志是
给定，字符串会在目标文件的所有部分中查找，除了
这
(__TEXT,__text) 部分。如果没有指定文件标准输入
是
阅读。

然后，您可以将输出通过管道传输到另一个文件，并对其执行任何您想要的操作。

编辑：有了所有 ASCII 都在开头的附加信息，以编程方式提取文本会更容易一些；尽管如此，这仍然比编写代码更快。

Answer 3

假设您可以知道 ASCII 内容的结尾在哪里，只需从文件中读取字符，直到找到它的结尾，然后关闭文件。

Answer 4

假设有一些标记将文件分为二进制和 ASCII 部分（例如，“#END#”单独位于一行），您可以执行如下操作：

import java.io.*;

// ...

public static void main(String args[]) {
  try {
    FileInputStream f = new FileInputStream("object.bin");
    DataInputStream d = new DataInputStream(f);
    BufferedReader b = new BufferedReader(new InputStreamReader(d));

    String s = "";
    while ((s = b.readLine()) != "#END#") {
      // ASCII contents parsed here.
      System.out.println(s);
    }

    d.close();
  } catch (Exception e) {
      System.err.println("kablammo! " + e.getMessage());
  }
}

Answer 5

有一种方法可以检查特定字符是否符合您的标准（在这里，我已经介绍了在键盘上找到的字符）。一旦你击中了该方法返回 false 的字符，你就知道你已经击中了二进制文件。请注意，有效的 ASCII 字符也可能构成二进制文件的一部分，因此最后可能会出现一些额外的字符。

static boolean isAsciiCharacter(char c) {
    return (c >= ' ' && c <= '~') ||
            c == '\n' ||
            c == '\r';
}

Answer 6

FITS 文件的前 2880 字节是 ASCII 标头数据，代表36 80列
“卡片图像”。没有行终止符，只有一个 36x80 ASCII 数组，必要时用空格填充。二进制数据之前可能有额外的 2880 字节 ASCII 标头；您必须解析第一组标头才能知道需要多少 ASCII。

但我衷心赞同 Oscar Reyes 的建议，即使用现有的包来解码 FITS 文件！他提到的其中两个包由 NASA 戈达德太空飞行中心托管，该中心还负责维护 FITS 格式。这大概是你能得到的最权威的来源了。