如何区分二进制文件和文本文件

所有的文件都是二进制文件，其实所有的文件也都是字节文件。因为字节也基本是数据的最小单位了（比特当然更小，但是比特是计算机处理数据时的单位，字节是最小数据块的单位）。

• 文本文件
  “文本文件”是一种特殊的字节文件，每个数据块就是一个字节。拿ASCII编码的文件举例， 其中每个字符占 8 位（正好是一个字节），那么在读取此文件的时候程序会 8 位一读，也就是 1 个字节（字符）一读。读完 8 位再读下 8 位，直达文件末尾或者手动结束。“流”这个概念就是这么来的。每次读入一个字符就可以称为字符输入流，但本质上是一个比特（位）流。
• 二进制文件
  而一般的字节文件中，数据块可以是任何数据类型，可以是 16 位的 short，32 位的 int，也可以是 32 位的 float，等等类型，一般叫“二进制文件”。读此类文件的时候必须要对应好，该是 short 的地方就读入 2 个字节，该是 int 的地方就该读入 4 个字节，一旦错了所有后面的数据就可能都读错了。这个“流”你可以随意称呼，可以叫“数据流”，因为各种类型的数据都有，只能统称为“数据”，但本质上就是二进制的比特流。

最传统的文本文件就是只包括 ASCII 可显示字符，即 0x20-0x7E。只可能在二进制文件中出现的 0x00。只有文件包含'\x00'肯定不是纯文本，所以Git 就是判断文件前 8000 字节是否含有"\x00"来区分二进制文件和文本文件。

• 关于文本编码
  记事本打开只要不是乱码的必然是文本文件，因为它显示的是良好的文本，而记事本打开是乱码的不一定就不是文本文件，可能是编码格式的原因。我们常说的 UTF-8，GBK 之类的是文本编码，是将人可读的文本，按照特定的编码表转成二进制序列的一种方式，转成二进制序列之后就可以进行存储了。在读取的时候再按照原来的方式还原，就可以得到原始文本了。