У меня есть файл с текстом ASCII и двоичным содержимым. Я хотел бы извлечь текст без разбора двоичного содержимого, поскольку двоичное содержимое составляет 180 МБ. Могу ли я просто извлечь текст для дальнейших манипуляций... как лучше всего это сделать.
ASCII находится в самом начале файла.
Существует 4 библиотеки для чтения файлов FITS в Java здесь:
Ява
Классы nom.tam.fits
Была разработана библиотека Java FITS, которая обеспечивает эффективный — по крайней мере для Java — ввод-вывод для изображений FITS и двоичных таблиц. Библиотеки Java поддерживают все основные форматы FITS и сжатые файлы gzip. Включена поддержка доступа к подмножествам данных, и можно использовать соглашение HIERARCH.
Включает апплет и приложение для просмотра и редактирования файлов FITS. Также включает пакет общего назначения для чтения и записи данных FITS. Он может читать зашифрованные файлы PGP, если доступен необязательный файл jar PGP.
Библиотека jfits поддерживает изображения FITS, а также ASCII и двоичные таблицы. Поддерживается оперативная модификация ключевых слов и данных.
Библиотека табличного ввода-вывода общего назначения на чистом Java, которая может читать и записывать двоичные таблицы FITS среди других форматов таблиц. Он эффективен и может обеспечить быстрый последовательный или произвольный доступ для чтения к таблицам FITS, намного большим, чем физическая память. Нет поддержки образов FITS.
Я не знаю ни одного класса Java, который будет читать символы ASCII и игнорировать остальные, но самое простое, что я могу здесь придумать, это использовать утилиту strings (при условии, что вы работаете в системе на основе Unix).
СИНТАКСИС строки [-] [-a] [-o] [-t формат] [-число] [-n число] [--] [файл ...]
ОПИСАНИЕ Strings ищет строки ASCII в двоичном файле или стандартном вводе. Строки полезны для идентификации случайных объектных файлов и многих других вещей. Строка — это любая последовательность из 4 (по умолчанию) или более печатных символов, заканчивающаяся символом новой строки или нулем. Если не задан флаг -, строки просматриваются во всех разделах объектных файлов, кроме раздела (__TEXT,__text). Если файлы не указаны, читается стандартный ввод.
Затем вы можете передать вывод в другой файл и делать с ним все, что хотите.
Редактировать: с дополнительной информацией о том, что все символы ASCII идут в начале, было бы немного проще извлечь текст программно; тем не менее, это быстрее, чем писать код.
Предполагая, что вы можете сказать, где находится конец содержимого ASCII, просто читайте символы из файла, пока не найдете его конец, и закройте файл.
Предположим, что есть какой-то токен, который делит файл на двоичный и ASCII-компоненты (скажем, "#END#" в отдельной строке), вы можете сделать что-то вроде следующего:
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());
}
}
Имейте метод, который проверяет, соответствует ли конкретный символ вашим критериям (здесь я рассмотрел символы, которые можно найти на клавиатуре). Как только вы нажмете символ, для которого метод возвращает false, вы знаете, что нажали двоичный файл. Обратите внимание, что допустимые символы ASCII также могут являться частью двоичного файла, поэтому в конце вы можете получить несколько дополнительных символов.
static boolean isAsciiCharacter(char c) {
return (c >= ' ' && c <= '~') ||
c == '\n' ||
c == '\r';
}
Первые 2880 байт файла FITS представляют собой данные заголовка ASCII, представляющие 36 80-столбцовых «изображений карточек». Здесь нет символов конца строки, просто массив ASCII 36x80, при необходимости дополненный пробелами. Могут быть дополнительные 2880-байтовые заголовки ASCII, предшествующие двоичным данным; вам нужно будет проанализировать первый набор заголовков, чтобы узнать, сколько ASCII ожидать.
Но я полностью поддерживаю совет Оскара Рейеса использовать существующий пакет для декодирования файлов FITS! Два упомянутых им пакета размещены в Центре космических полетов имени Годдарда НАСА, который также отвечает за поддержание формата FITS. Это самый точный источник, который вы можете получить.
