Python，文件（1） - 为什么使用数字 [7,8,9,10,12,13,27] 和范围（0x20，0x100）来确定文本与二进制文件

关于一个python中判断文件是二进制还是文本的解决方案 https://stackoverflow.com/a/7392391，回答者使用：

textchars = bytearray([7,8,9,10,12,13,27]) + bytearray(range(0x20, 0x100))

然后使用.translate(None, textchars)删除（或替换为任何内容）以二进制形式读取的文件中的所有此类字符。

回答者还认为，这种数字选择是“基于 file(1) 行为”（什么是文本，什么不是）。这些数字的重要意义在于从二进制文件中确定文本文件？

它们代表可打印文本的最常见代码点，以及换行符、空格和回车符等。 ASCII 被覆盖到 0x7F，Latin-1 或 Windows Codepage 1251 等标准使用剩余的 128 个字节作为重音字符等。

您期望文本only使用这些代码点。二进制数据将使用all0x00-0xFF 范围内的代码点；例如文本文件可能不会使用 \x00 (NUL) 或 \x1F（ASCII 标准中的单位分隔符）。

不过，这充其量只是一种启发式的方法。某些文本文件可能仍会尝试使用C0 控制代码 https://en.wikipedia.org/wiki/C0_and_C1_control_codes在这 7 个明确命名的字符之外，我确信存在二进制数据，而这些数据恰好不包括未包含在textchars string.

该系列的作者可能基于text_chars table https://github.com/file/file/blob/master/src/encoding.c#L151-L228来自file命令。它将字节标记为非文本、ASCII、Latin-1 或非 ISO 扩展 ASCII，并包含有关选择这些代码点的原因的文档：

/*
 * This table reflects a particular philosophy about what constitutes
 * "text," and there is room for disagreement about it.
 *
 * [....]
 *
 * The table below considers a file to be ASCII if all of its characters
 * are either ASCII printing characters (again, according to the X3.4
 * standard, not isascii()) or any of the following controls: bell,
 * backspace, tab, line feed, form feed, carriage return, esc, nextline.
 *
 * I include bell because some programs (particularly shell scripts)
 * use it literally, even though it is rare in normal text.  I exclude
 * vertical tab because it never seems to be used in real text.  I also
 * include, with hesitation, the X3.64/ECMA-43 control nextline (0x85),
 * because that's what the dd EBCDIC->ASCII table maps the EBCDIC newline
 * character to.  It might be more appropriate to include it in the 8859
 * set instead of the ASCII set, but it's got to be included in *something*
 * we recognize or EBCDIC files aren't going to be considered textual.
 *
 * [.....]
 */

有趣的是，那张桌子excludes0x7F，您找到的代码没有。