Identificar archivos de texto

[bictorman]

Hola a todos,

He lanzado un pequeño servicio para que la gente guarde sus archivos de configuración (sources.list, htaccess, xorg.conf, ....). El sistema está diseñado para archivos de linux (archivos de texto), ya que guarda el contenido en la base de datos y permite editarlos online, el problema es que hay gente que está subiendo archivos .dat y similares que son binarios.

¿Existe alguna función para conocer si el contenido de un archivo es texto?

Gracias.

[DarioDario]

La verdad no conozco alguna función de PHP para ello, pero si el servidor es GNU/Linux podrías ejecutar lo siguiente:

Código:

echo exec("file ARCHIVO", $salida);

El comando file de la shell te dice que tipo de archivo es, supongo que si suben un archivo binario cuando ejecutes el comando file te debería decir si es o no un binario o de que tipo es.

Saludos.

[bictorman]

Pues he estado haciendo algunas pruebas y parece que me viene perfecto, tendré que hacer pruebas con muchos archivos pero parece que siempre que es de texto en la cadena de información que devuelve aparece la palabra "text".

Muchisimas gracias.

[DarioDario]

Iniciado por bictorman

Pues he estado haciendo algunas pruebas y parece que me viene perfecto, tendré que hacer pruebas con muchos archivos pero parece que siempre que es de texto en la cadena de información que devuelve aparece la palabra "text".

Muchisimas gracias.

Ten ojo y trata de hacer varias prueba no siempre te lo marca de esa manera, recién por puro curioso probé con un script de PHP y este me lo reconoció como "PHP script text".

Saludos.

PD: Cuando hagas tus pruebas se te agradecería que vengas y postees los resultados... el archivo X es reconocido como Y... etc.

[bictorman]

Iniciado por DarioDario

Ten ojo y trata de hacer varias prueba no siempre te lo marca de esa manera, recién por puro curioso probé con un script de PHP y este me lo reconoció como "PHP script text".

Saludos.

PD: Cuando hagas tus pruebas se te agradecería que vengas y postees los resultados... el archivo X es reconocido como Y... etc.

Precisamente: PHP script text

Siempre que es de texto aparece la palabra "text" en la descripcion.
Ya he aplicado del filtro, lo que he hecho es lo siguiente:

Código PHP:

  exec("file ".$_FILES['file']['tmp_name'], $type);
if(ereg("text",serialize($type))) {
    $file->content = file_get_contents($_FILES['file']['tmp_name']);
}
else {
    unlink($_FILES['file']['tmp_name']);
    //Pongo un mensaje de error
} 
   

Todo funciona perfectamente. He hecho muchas pruebas aunque no he guardado los resultados.
Te puedo decir por ejemplo que un archivo de word lo identifica como tal, y no aparece text, lo mismo con un PDF por ejemplo. Sin embargo archivos XML si los identifica como tales y los cataloga como text. He probado de todo .php .ini .js .conf .list archivos empezando por "." (.htaccess). I siempre ha dado el resultado con "text" cuando correspondía.

De nuevo muchas gracias.