我需要建立一个目录树中二进制文件的所有文件扩展名的列表。
主要问题是如何区分文本文件和二进制文件，剩下的应该是小菜一碟了。
编辑：这是我得到的最接近的，还有更好的想法吗？
find . -type f|xargs file|grep -v text|sed -r 's:.*\.(.*)\:.*:\1:g'
【问题讨论】：
标签： linux bash filesystems
以下是查找二进制文件的技巧：
grep -r -m 1 "^" <Your Root> | grep "^Binary file"
-m 1 使 grep 不读取所有文件。
【讨论】：
grep -r -m 1 "^" apps|grep "^Binary file"|sed -r 's:^Binary\sfile\s(.*)\smatches:\1:g'
这个perly one-liner对我有用，它也很快：
find . -type f -exec perl -MFile::Basename -e 'print (-T $_ ? "" : (fileparse ($_, qr/\.[^.]*/))[2] . "\n" ) for @ARGV' {} + | sort | uniq
您可以通过以下方式在当前文件夹中找到所有二进制文件：
find . -type f -exec perl -e 'print (-B $_ ? "$_\n" : "" ) for @ARGV' {} +
-T 是测试文本文件，-B 是二进制文件，它们是相反的*。
【讨论】：
Linux 上的二进制文件和文本文件没有区别。 file 实用程序查看内容并进行猜测。不幸的是，这并没有多大帮助，因为file 不会产生简单的“二进制或文本”答案；它有一个复杂的输出，你必须解析大量的案例。
一种方法是读取文件的一些固定大小的前缀，例如 256 字节，然后应用一些启发式方法。例如，是否所有的字节值都是 0x0 到 0x7F，除了常见的空白之外，避免了控制代码？这表明ASCII？如果有字节 0x80 到 0xFF，整个缓冲区（除了最后一个可能被切掉的代码）是否解码为有效的 UTF-8？等等。
一个想法可能是偷偷利用检测二进制文件的实用程序，例如 GNU diff。
$ diff -r /bin/ls <(echo foo)
Binary files /bin/ls and /dev/fd/63 differ
没有进程替换，仍然有效：
$ diff -r /bin/ls /dev/null
Binary files /bin/ls and /dev/null differ
现在只需 grep 输出并查找单词 Binary。
问题是diff 对二进制文件的启发式是否适用于您的目的。
【讨论】：
file -i，这会导致它以mime-type输出文件格式。然后，您可以检查 mime 类型是否具有 text/ 前缀。我想这可能会很好。
file 的更简洁的输出空间，但没有发现。
没有确定的方法可以区分“文本”文件和“二进制”文件，只能猜测。
#!/bin/bash
guess=`echo \`head -c 4096 $1 | strings -a -n 1 | wc -c \` '* 1.05 /' \`head -c 4096 $1 | wc -c \` | bc `;
if [ $guess -eq 1 ] ; then
echo $1 "is text file"
exit 0
else
echo $1 "is binary file"
exit 1
fi
【讨论】：
这里是 Python 中检查文件是否为二进制文件的单行代码：
b"\x00" in open("/etc/hosts", "rb").read()
在shell中找到递归使用它，看下面的例子：
IS_BINARY='import sys; sys.exit(not b"\x00" in open(sys.argv[1], "rb").read())'
find . -type f -exec bash -c "python -c '$IS_BINARY' {} && echo {}" \;
要查找所有非二进制文件，请将&& 更改为||。
【讨论】：
这是使用 GNU grep 列出所有二进制文件（由 NULL character 组成）的简单命令：
grep -Palr '\x00' .
要打印小于 5 个字符的文件扩展名，我们可以使用 awk，然后使用 uniq 或 sort 过滤掉重复项。
所以所有的东西应该是这样的：
grep -Palr '\x00' . | awk -F. '{if (length($NF) < 5) print $NF}' | sort -u
【讨论】：