python - 试图确定文件是否已被 uuencoded

Question

我正在尝试处理大量 txt 文件，这些文件本身是我要处理的实际文件的容器。 txt 文件有 sgml 标签，为我正在处理的单个文件设置边界。有时，包含的文件是经过 uu 编码的二进制文件。我已经解决了解码 uuencoded 文件的问题，但是当我仔细考虑我的解决方案时，我确定它不够通用。也就是我一直在用

if '\nbegin 644 ' in document['document']

测试文件是否经过 uuencoded。我做了一些搜索，对 644 的含义(文件权限)有一个模糊的理解，然后找到了其他可能有 uuencoded 文件的示例

if '\nbegin 642 ' in document['document']

甚至其他一些替代品。因此，我的问题是如何确保捕获/识别所有具有 uuencoded 文件的子容器。

一个解决方案是测试每个子容器:

uudecode=codecs.getdecoder("uu")

for document in documents:
    try:
        decoded_document,m=uudecode(document)
    except ValueError:
         decoded_document=''
    if len(decoded_document)==0
        more stuff

这并不可怕，cpu 周期很便宜，但我要处理大约 800 万份文档。

因此，是否有更稳健的方法来识别特定字符串是否是 uuencoding 的结果？

Answer 1

Wikipedia says每个 uuencoded 文件都以此行开头

begin <perm> <name>

所以可能匹配正则表达式 ^begin [0-7]{3} (.*)$ 的行足够可靠地表示开头。