本节书摘来自异步社区《Python Cookbook（第2版）中文版》一书中的第1章，第1.11节，作者[美]Alex Martelli , Anna Martelli Ravenscrof , David Ascher ，高铁军 译，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.11 检查一个字符串是文本还是二进制

任务

在Python中，普通字符串既可以容纳文本，也可以容纳任意的字节，现在需要探知（当然，完全是启发式的试探：对于这个问题并没有什么精准的算法）一个字符串中的数据究竟是文本还是二进制。

解决方案

我们采取Perl的判定方法，如果字符串中包含了空值或者其中有超过30%的字符的高位被置1（意味着该字符的码值大于126）或是奇怪的控制码，我们就认为这段数据是二进制数据。我们得自己编写代码，其优点是对于特殊的程序需求，我们随时可以调整这种启发式的探知方式：

from _ _future_ _ import division           # 确保/不会截断import stringtext_characters = "".join(map(chr, range(32, 127))) + "\n\r\t\b"_null_trans = string.maketrans("", "")def istext(s, text_characters=text_characters, threshold=0.30):      # 若s包含了空值，它不是文本      if "\0" in s:             return False      # 一个“空”字符串是“文本”（这是一个主观但又很合理的选择）      if not s:            return True      # 获得s的由非文本字符构成的子串      t = s.translate(_null_trans, text_characters)      # 如果不超过30%的字符是非文本字符，s是字符串      return len(t)/len(s) <= threshold

讨论

可以轻易地修改函数istext的启发式探知部分，只需传递一个指定的阀值作为判断某字符串所含数据是“文本”（即正常的ASCII字符加上4个“正常”的控制码，在文本中这几个控制码都是有意义的）的基准，默认的阀值是0.30（30%）。举个例子，如果期望它是采用了iso-8859-1的意大利文本，可以给text_characters参数添加意大利语中的一些重音字母，“àèéìòù”。

很多时候，需要检查的对象是文件，而不是字符串，也就是说要判断文件中的内容是文本还是二进制数据。同样地，我们仍可采用Perl的启发式方法，用前面提供的istext函数来检查文件的第一个数据块：

def istextfile(filename, blocksize=512, **kwds):     return istext(open(filename).read(blocksize), **kwds)

注意，默认情况下，istext函数中的len(t)/len(s)将被截断成0，因为这是一个整数之间的除法结果。以后的版本（估计是Python 3.0，几年后发布），Python中的/操作符的意义会被改变，这样我们在做除法运算的时候就不会发生截断—如果你确实需要截断，可以用截断除法操作符//。

不过，现在Python还没有改变除法的语义，这是为了保证一定的向后兼容性。为了让成千上万行的现有的Python程序和模块平滑地工作于所有的Python 2.x版本，这非常重要。不过，对于语言版本的主版本号的改变，Python允许进行不考虑向后兼容性的改变。

因此，对于本节的解决方案中的模块，按照未来版本中计划的行为模式来改变除法的行为是非常方便的，我们用这种方式来引入模块：

from _ _future_ _ import division

这条语句并不影响程序的其余部分，只影响紧随此声明的模块；通过这个模块，/表现得像“真实的除法”（没有截断）。对于Python 2.3和2.4，dvision可能是唯一需要从 _future _导入的模块。其他的一些未来版本中计划的特性，nested_scope和生成器，现在已经是语言的一部分了，因而无法被关闭—当然明确导入它们没有什么坏处，但只有在你的程序需要能够运行在老版本的Python环境下时，这种做法才有意义。