svn - 为什么 Subversion 给我的一些 UTF-8 文本文件内容类型为 "application/octet-stream"？

Question

我得到了一些 UTF-8 编码的文本文件(带有日文文本)，并将它们添加到 Subversion 存储库中。

令我惊讶的是，其中一个将自动属性svn:mime-type设置为application/octet-stream，而其他人没有得到任何具体的编码信息。

这些文件是有效的 UTF-8，文件 报告“UTF-8 Unicode 文本，带有 CRLF 行终止符”。

这是怎么回事？ Subversion 如何决定一个文件是否应该被视为二进制文件？

Answer 1

我在 Subversion sources 中找到了解释，在 svn_io_is_binary_data 中:

/* Right now, this function is going to be really stupid.  It's
  going to examine the block of data, and make sure that 15%
  of the bytes are such that their value is in the ranges 0x07-0x0D
  or 0x20-0x7F, and that none of those bytes is 0x00.  If those
  criteria are not met, we're calling it binary.

  NOTE:  Originally, I intended to target 85% of the bytes being in
  the specified ranges, but I flubbed the condition.  At any rate,
  folks aren't complaining, so I'm not sure that it's worth
  adjusting this retroactively now.  --cmpilato  */

对于 UTF-8 中的日语文本，大多数代码点将使用三个字节，每个字节都是 >= 0x80。

我的文件没有更多触发此行为的原因是带有 ASCII 范围内字符的小序言。