identify

mengenali

Pustaka identifikasi file untuk Python.

Mengingat sebuah file (atau beberapa informasi tentang file), kembalikan serangkaian tag standar yang mengidentifikasi file tersebut.

Instalasi

pip install identify

Penggunaan

Dengan file di disk

Jika Anda memiliki file sebenarnya di disk, Anda bisa mendapatkan informasi sebanyak mungkin (superset dari semua metode lainnya):

 >> > from identify import identify
>> > identify . tags_from_path ( '/path/to/file.py' )
{ 'file' , 'text' , 'python' , 'non-executable' }
>> > identify . tags_from_path ( '/path/to/file-with-shebang' )
{ 'file' , 'text' , 'shell' , 'bash' , 'executable' }
>> > identify . tags_from_path ( '/bin/bash' )
{ 'file' , 'binary' , 'executable' }
>> > identify . tags_from_path ( '/path/to/directory' )
{ 'directory' }
>> > identify . tags_from_path ( '/path/to/symlink' )
{ 'symlink' }

Saat menggunakan file di disk, pemeriksaan yang dilakukan adalah:

• Jenis file (file, symlink, direktori, soket)
• Mode (apakah dapat dieksekusi?)
• Nama file (kebanyakan berdasarkan ekstensi)
• Jika dapat dieksekusi, shebang dibaca dan interpreter diinterpretasikan

Jika Anda hanya memiliki nama file

 >> > identify . tags_from_filename ( 'file.py' )
{ 'text' , 'python' }

Jika Anda hanya memiliki penerjemah

 >> > identify . tags_from_interpreter ( 'python3.5' )
{ 'python' , 'python3' }
>> > identify . tags_from_interpreter ( 'bash' )
{ 'shell' , 'bash' }
>> > identify . tags_from_interpreter ( 'some-unrecognized-thing' )
set ()

Sebagai kli

 $ identify-cli --help
usage: identify-cli [-h] [--filename-only] path

positional arguments:
  path

optional arguments:
  -h, --help       show this help message and exit
  --filename-only

$ identify-cli setup.py ; echo $?
["file", "non-executable", "python", "text"]
0
$ identify-cli setup.py --filename-only ; echo $?
["python", "text"]
0
$ identify-cli wat.wat ; echo $?
wat.wat does not exist.
1
$ identify-cli wat.wat --filename-only ; echo $?
1

Mengidentifikasi file LISENSI

identify juga memiliki api untuk menentukan jenis lisensi apa yang terkandung dalam suatu file. Rutinitas ini secara kasar didasarkan pada pendekatan yang digunakan oleh pemegang lisensi (permata rubi yang digunakan github untuk mengetahui lisensi repo).

Pendekatan yang identify kegunaannya adalah sebagai berikut:

1. Hapus garis hak cipta
2. Normalisasikan semua spasi
3. Kembalikan semua kecocokan persis
4. Kembalikan jarak terdekat berdasarkan edit jarak (dengan jarak edit < 5%)

Untuk menggunakan api, instal melalui pip install identify[license]

>>> from identify import identify
>>> identify.license_id( ' LICENSE ' )
'MIT'

Nilai kembalian fungsi license_id adalah id SPDX. Saat ini lisensi bersumber dari selectalicense.com.

Bagaimana cara kerjanya

Panggilan ke tags_from_path melakukan hal ini:

1. Apa jenisnya: file, symlink, direktori? Jika bukan file, berhenti di sini.
2. Apakah ini dapat dieksekusi? Tambahkan tag yang sesuai.
3. Apakah kami mengenali ekstensi file? Jika iya, tambahkan tag yang sesuai, berhenti disini. Tag ini akan menyertakan biner/teks.
4. Intip X byte pertama file. Gunakan ini untuk menentukan apakah itu biner atau teks, tambahkan tag yang sesuai.
5. Jika teridentifikasi seperti teks di atas, cobalah membaca dan menafsirkan shebang tersebut, dan menambahkan tag yang sesuai.

Secara desain, ini berarti kita tidak perlu membaca sebagian file yang ekstensi filenya kita kenali.