提取“具有语言意义”的内容RTF 文件中的字符

Question

我编写了一个 Mac 应用程序，可以交叉引用各种输入文本和 RTF 文件来生成输出文件。该应用程序的一部分读取这些文件并从 TXT 或 RTF 文件中提取“具有语言意义”的字符，然后将其释放以供进一步处理。

我正在使用以下方法。它工作得很好，但我想知道我是否要么走了很长的路，要么做了一些完全不必要的事情。

  inputdatafile = [NSString stringWithContentsOfFile: fullpath encoding: NSASCIIStringEncoding error:&error];

   // test rtf wrapper code right here //
   inputdataNSData=[inputdatafile dataUsingEncoding:NSUTF8StringEncoding];
   wrapper = [[NSFileWrapper alloc] initRegularFileWithContents:inputdataNSData];
   rtfData = [[NSAttributedString alloc]
           initWithRTF:[wrapper regularFileContents] documentAttributes:nil]; 
   inputdatafilefromrtf = [rtfData string];
   if (inputdatafilefromrtf) {
      inputdatafile = [NSMutableString stringWithString:inputdatafilefromrtf];};

inputdatafile 加载了文件的内容。该程序不知道它是什么类型的文本文件，并尝试查看它是否是 RTF。如果是，它会提取文件的内容以进行进一步处理。如果不是，它会假设它是纯文本并使用它。

这可能是完全意外的，需要更新，或者也许有更好的方法来做到这一点。

任何人有任何想法将不胜感激。

Answer 1

您可以尝试使用 RTF magic number< 来识别文件类型/a> 就像 unix 命令 file 一样，或者您可以使用像 libenca。

以下是文件解析和幻数的一般说明。