一、文件本质的区别
在计算机的世界里，文件就像两种不同性格的人。文本文件像开朗的话痨，所有内容都用你能读懂的字母和符号写出来；而二进制文件像内向的极客，用只有特定程序才懂的密码记录信息。
举个例子，你用记事本创建一个文件：
# 技术栈：Bash Shell
echo "Hello World" > text_file.txt # 这是典型的文本文件
而当你编译一个程序时：
gcc program.c -o program # 生成的program就是二进制文件
关键区别在于：
- 文本文件每行都有明确的结束标记（比如换行符）
- 二进制文件可能包含任何字节组合，包括NULL字符(0x00)
- 用
file命令可以查看文件类型：
file text_file.txt # 显示 ASCII text
file program # 显示 ELF executable
二、处理方式的差异
文本文件的温柔对待
处理文本就像读小说，可以随意跳转到某一页：
# 逐行读取文本文件
while IFS= read -r line; do
echo "处理行内容: $line"
done < text_file.txt
# 使用grep过滤内容
grep "Hello" text_file.txt
二进制文件的特殊照顾
处理二进制文件要像拆炸弹一样小心：
# 使用xxd查看二进制内容
xxd -g 1 program | head -n 5 # 显示前5行16进制
# 使用dd提取特定部分
dd if=program bs=1 count=4 2>/dev/null | xxd # 读取前4字节
特别注意：
- 不要用文本编辑器直接修改二进制文件
- 避免使用会转换换行符的工具（如Windows的记事本）
- 处理时最好保持原始字节流
三、常见工具的选择技巧
文本处理三剑客
# grep过滤内容
grep -n "关键内容" text_file.txt # -n显示行号
# sed流编辑器
sed 's/Hello/Hi/g' text_file.txt # 替换所有Hello为Hi
# awk数据处理
awk '{print "行号:" NR, "内容:" $0}' text_file.txt
二进制处理特种兵
# hexdump查看16进制
hexdump -C program | head -n 5
# strings提取可读字符串
strings program | grep "GLIBC" # 查找库版本信息
# od多格式查看
od -tx1 -N 16 program # 以16进制查看前16字节
四、实战中的经典场景
场景1：日志文件分析
# 分析Apache访问日志（文本文件）
awk '{print $1}' access.log | sort | uniq -c | sort -nr # 统计访问IP
# 处理Windows换行符
dos2unix windows_file.txt # 转换CRLF为LF
场景2：二进制文件解析
# 解析ELF文件头
readelf -h program # 显示ELF头部信息
# 修改二进制文件中的字符串
printf "NewStr" | dd of=program bs=1 seek=1234 conv=notrunc # 谨慎操作！
场景3：混合文件处理
# 从二进制中提取文本段
strings -n 8 program > extracted_text.txt # 提取长度≥8的字符串
# 检测文件编码
file -i unknown_file # 显示MIME类型和编码
五、必须绕开的陷阱
- 字符编码问题：
# 处理UTF-8文件时指定编码
grep --color='auto' -P -n "[\x80-\xFF]" file.txt # 查找非ASCII字符
- 行尾符差异：
# 检查文件行尾符
cat -A text_file.txt # Windows显示^M$，Linux显示$
- 二进制文件误判：
# 检查是否包含NULL字符
grep -m 1 -P -a "\x00" suspect_file || echo "无NULL字符"
六、高级技巧锦囊
二进制补丁制作
# 生成差异补丁
diff -u <(xxd old.bin) <(xxd new.bin) > patch.diff
# 应用补丁
patch -p0 < patch.diff | xxd -r > patched.bin
文件类型探测
# 自定义魔术数字检测
head -c 4 unknown_file | od -tx1 -An | grep "7f 45 4c 46" # 检测ELF文件
大文件处理优化
# 高效处理大文本文件
awk 'NR%1000==1{print "处理进度:",NR}' huge_file.txt # 每1000行打印进度
# 并行处理二进制块
split -b 1M big.bin chunk_ && ls chunk_* | parallel 'md5sum {}' # 分块计算哈希
七、总结与最佳实践
文本文件像清澈的小溪，你可以直接看到水底的石头；二进制文件像浑浊的激流，表面平静但暗藏玄机。记住这些黄金法则：
- 处理前先用
file和hexdump确认文件类型 - 文本处理优先选择
grep/sed/awk三件套 - 二进制操作要使用
xxd/od/strings等专业工具 - 跨平台时注意换行符和编码问题
- 修改二进制文件前务必备份
当你掌握了这些技巧，就能像老练的渔夫一样，无论是平静的文本湖泊还是汹涌的二进制海洋，都能收获满满。
评论