.csv与假.csv的鉴别

Question

我有一个上传CSV文件的方法。当我处理任何普通的CSV文件时，它都可以正常工作。

当它还读取任何重命名为.csv作为文件扩展名的文件(例如，PDF)，并且不抛出任何异常时，就会出现问题。

有人能帮我区分真正的CSV文件和带有.csv文件扩展名的“假”CSV文件吗？

更新意见如下：

这里是我的代码：

CsvReader csvReader = new CsvReader();
ArrayList <ArrayList<String>> arrData=null;
String path="C:/Users/Avinash/Desktop/asset.csv";
arrData=CsvReader.readCsv(path,printinconsole);

如果asset.csv是一个真正的CSV文件，那么上面的代码工作得很好。但是任何其他格式文件(比如asset.pdf)都被重命名为asset.csv，它不会抛出任何异常，而是读取垃圾值。

有人能帮助区分这两种不同的文件类型吗？

我尝试过jMimeMagic，但它未能给出Office中所有电子表格的正确MIME类型。

Answer 1

如何区分真正的CSV文件和带有.csv文件扩展名的“假”CSV文件？

您不能以直接的方式这样做，因为每个文件都可以被解释为CSV文件(用换行符分隔的记录，用逗号分隔的字段，所以即使使用某些字符集的二进制文件也可以被读取为“有效”CSV文件)。例如，如果文件不包含任何换行符或逗号字符，您将得到包含整个文件的单个记录/字段结果。

为了检查它是否是一个有效的CVS文件(对于您的用例)，您需要使用一些约束来验证已经从CSV文件读取的结果，这些约束是您知道您的特定数据需要完成的。例如，你可以

• 验证标题/标题值
• 验证每个记录中所期望的字段数。
• 验证最大/最小字段长度和记录长度
• 验证字符集-您的数据是否包含无效字符？
• 验证字段数据是否在特定范围内？

顺便说一句:您无论如何都应该执行这些验证，以避免恶意数据被导入到应用程序中。

Answer 2

许多文件格式都有一个特殊的头，一个简短的字节序列，用作类型签名。这就是Linux如何区分文本文件和图像，而不需要特定的文件扩展名。

在Java中，您可以使用来自javax.activation的实用程序类。给出了一个完整的例子这里。

如果您的文本文件被标识为text/csv (或者文本/纯文本)，那么您可以尝试将其解析为文本/csv。