β

Python通过文件头来判断文件类型

老白经 2885 阅读

程序员老白又来了,他觉得一件事情重复两次以上就应该写个for循环来干。要是洗碗洗衣服也for一下该多好啊。

昨天今天在写一个批量工作的东西,其中一步需要并压缩文件解压、然后处理其中的文件。压缩文件来自于网路,很高兴的测试时,发现一个zip文件报错:Not a Zip archive,但是用winrar轻松打开无压力。一想就想到是哪个粗心的程序员把zip后缀通用化了,什么压缩格式都是zip,程序员真会制造麻烦!

好在还有一种程序员会解决麻烦,一想就想到用文件头来判断真实的文件类型。网络找不到python版本的,不知道是不是python有更高级的解决方法。我试着自己解决了这个问题:

###
# 文章:Python通过文件头来判断文件类型
# 作者:http://aminby.net
###

import struct

# 支持文件类型
# 用16进制字符串的目的是可以知道文件头是多少字节
# 各种文件头的长度不一样,少半2字符,长则8字符
def typeList():
    return {
        "52617221": EXT_RAR,
        "504B0304": EXT_ZIP}

# 字节码转16进制字符串
def bytes2hex(bytes):
    num = len(bytes)
    hexstr = u""
    for i in range(num):
        t = u"%x" % bytes[i]
        if len(t) % 2:
            hexstr += u"0"
        hexstr += t
    return hexstr.upper()

# 获取文件类型
def filetype(filename):
    binfile = open(filename, 'rb') # 必需二制字读取
    tl = typeList()
    ftype = 'unknown'
    for hcode in tl.keys():
        numOfBytes = len(hcode) / 2 # 需要读多少字节
        binfile.seek(0) # 每次读取都要回到文件头,不然会一直往后读取
        hbytes = struct.unpack_from("B"*numOfBytes, binfile.read(numOfBytes)) # 一个 "B"表示一个字节
        f_hcode = bytes2hex(hbytes)
        if f_hcode == hcode:
            ftype = tl[hcode]
            break
    binfile.close()
    return ftype

if __name__ == '__main__':
	print filetype(Your-file-path)

常见文件格式的文件头

文件格式 文件头(十六进制)
JPEG (jpg) FFD8FF
PNG (png) 89504E47
GIF (gif) 47494638
TIFF (tif) 49492A00
Windows Bitmap (bmp) 424D
CAD (dwg) 41433130
Adobe Photoshop (psd) 38425053
Rich Text Format (rtf) 7B5C727466
XML (xml) 3C3F786D6C
HTML (html) 68746D6C3E
Email [thorough only] (eml) 44656C69766572792D646174653A
Outlook Express (dbx) CFAD12FEC5FD746F
Outlook (pst) 2142444E
MS Word/Excel (xls.or.doc) D0CF11E0
MS Access (mdb) 5374616E64617264204A
WordPerfect (wpd) FF575043
Postscript (eps.or.ps) 252150532D41646F6265
Adobe Acrobat (pdf) 255044462D312E
Quicken (qdf) AC9EBD8F
Windows Password (pwl) E3828596
ZIP Archive (zip) 504B0304
RAR Archive (rar) 52617221
Wave (wav) 57415645
AVI (avi) 41564920
Real Audio (ram) 2E7261FD
Real Media (rm) 2E524D46
MPEG (mpg) 000001BA
MPEG (mpg) 000001B3
Quicktime (mov) 6D6F6F76
Windows Media (asf) 3026B2758E66CF11
MIDI (mid) 4D546864

这种方法也可以在网络服务方法可以用来防止上传者来者修改扩展名来欺骗服务器干坏事。

( 完 )

版权所有:老白经 转载请保留来源信息。 <<Python通过文件头来判断文件类型>>

作者:老白经
关注移动、互联网、服务器等技术,踏实做人,大胆做事,努力追求自己的梦想。
原文地址:Python通过文件头来判断文件类型, 感谢原作者分享。