为什么“file”命令在.py文件上会混淆？

Question

我写了几个Python模块。最近，我在这个目录下用file命令查看了一下，结果让我很惊讶。它对文件的判断结果是这样的：

  1 ASCII Java program text, with very long lines
  1 a /bin/env python script text executable
  1 a python script text executable
  2 ASCII C++ program text
  4 ASCII English text
 18 ASCII Java program text

这真奇怪！你知道这是怎么回事吗？为什么它会把Python模块误认为是Java文件呢？

我使用的是CentOS 5.2。

补充说明 我其实只是好奇，为什么一些明显不是Java或C++的程序文件会被归类成那样。我当然不指望file命令是完美的，但我对它的判断结果感到很意外。我本以为它会直接说是文本文件，而不是做出这么错误的推断。

Answer 1

我觉得答案是，第一个出现的（没有被注释掉的）单词是 import。对于所有被判断为Java的文件来说，这个说法都是正确的，虽然有一些被分类为文本的文件也有这个单词。那些被判断为C++的文件是以 class 开头的。import 似乎是一个很强的线索，表明这个文件是Java文件，虽然不能完全确定。

Answer 2

我刚刚做了一个测试，发现每次识别错误的情况，文件里都没有shebang行。

对于每个包含了：

#!/usr/bin/env python

file 都能正确识别它。

从 magic 文件来看，另一个能让它被识别为Python文件的条件是第一行有三个引号。

$ echo '"""' | file -
/dev/stdin: python script text executable
$ echo '#!/usr/bin/python' | file -
/dev/stdin: python script text executable
$ echo '#!/usr/bin/env python' | file -
/dev/stdin: a python script text executable

Answer 3

来自 file手册页面

file命令会检查每个输入的文件，试图判断它的类型。它有三种测试方式，按这个顺序进行：文件系统测试、魔术数字测试和语言测试。只要有一个测试通过，就会显示这个文件的类型。

我猜你的某些文件可能同时符合不同语言的测试，导致文件类型被错误识别。

另外，file命令通常是用来处理二进制文件的，正如它的错误部分所提到的。

file使用了几种算法，优先考虑速度而不是准确性，因此它可能会对文本文件的内容产生误判。

对于文本文件（主要是编程语言的文件）的支持比较简单，效率也不高，而且更新时需要重新编译。