用C++读取文件前6字节比对magic number可准确识别压缩格式：ZIP（PK\x03\x04）、GZIP（\x1f\x8b）、ZLIB（\x78\x01/\x9c/\xda）、BZIP2（\x42\x5a\x68）、7z（7z\xbc\xaf\x27\x1c），需以binary模式打开并校验流状态。
怎么用 C++ 读取文件前几个字节判断压缩格式
直接读取文件开头的 magic number 是最轻量、最可靠的判断方式，比依赖扩展名或调用外部工具更底层、更可控。关键不是“能不能”，而是“读哪几个字节”和“怎么比对”。
常见压缩格式的 magic number 都在文件头固定偏移位置（通常是 0），长度从 2 到 4 字节不等，比如：PK\x03\x04（ZIP）、\x1f\x8b（GZIP）、\x78\x9c（ZLIB）、\x42\x5a\x68（BZIP2）。C++ 没有内置 magic 检测库，得自己读 + 比对。
- 用
std::ifstream以std::ios::binary模式打开，避免换行符干扰 - 读取前 4 字节足够覆盖绝大多数格式（ZIP/GZIP/BZIP2/7z），但注意：7z 的 magic 是
7z\xbc\xaf\x27\x1c（6 字节），真要全覆盖得读 6 字节 - 别用
std::string直接接收二进制数据——空字节会截断；用std::vector或std::array - 读之前务必检查
is_open()和good()，否则可能读到全零或未初始化内存
常见压缩格式 magic number 对照表与 C++ 比对写法
硬编码比对最简单，但容易漏掉变体（如 GZIP 有多种 header flag）。实际建议按「最小确定性字节」匹配，不贪多。
示例：判断 ZIP / GZIP / ZLIB：
std::array<uint8_t> buf{};
ifs.read(reinterpret_cast<char>(buf.data()), buf.size());
if (buf[0] == 0x50 && buf[1] == 0x4b && buf[2] == 0x03 && buf[3] == 0x04) {
// ZIP
} else if (buf[0] == 0x1f && buf[1] == 0x8b) {
// GZIP
} else if (buf[0] == 0x78 && (buf[1] == 0x01 || buf[1] == 0x9c || buf[1] == 0xda)) {
// ZLIB（支持 deflate 常见 window bits）
}
</char></uint8_t>
-
0x50 0x4b 0x03 0x04是 ZIP 最标准的 local file header，但 ZIP 中央目录、APK、JAR 等都复用它，所以只要匹配就大概率是 ZIP 类格式 - GZIP 的
0x1f 0x8b很稳定，但第 3 字节是 compression method（通常为0x08），可不校验；若严格校验，需确保buf[2] == 0x08 - ZLIB header 第二字节变化多：
0x01（no dict）、0x9c（default dict）、0xda（best speed）——只比首字节0x78容易误判（比如某些自定义协议也用这个起始） - BZIP2 是
0x42 0x5a 0x68（"BZh"），但必须读满 3 字节再比，因为0x42单独出现太常见
为什么不能只靠文件扩展名或 fseek 后读？
扩展名完全不可信：用户可以随便把 .zip 改成 .txt，而真实 ZIP 文件也可能没后缀；fseek 后读则容易跳过真正 magic 所在位置——比如某些归档格式（如 TAR）本身无 magic，但内部嵌套了 gzip，这时你得先识别外层 TAR，再解析其内容才能定位内层 gzip header。
- TAR 文件本身无 magic，开头是 ASCII 文件名（如
./\x00...），靠它判断纯属碰运气 - ZIP 可能带额外 descriptor 或加密头，但 local header 的
PK\x03\x04始终在最前面（除非被篡改） - 如果文件极小（
- 某些“压缩包”其实是自解压 EXE（Windows），开头是 PE header（
MZ\x90\x00），不属于传统压缩格式 magic 范畴，需单独处理
跨平台读取时要注意字节序和文件打开模式
magic number 是原始字节序列，和 CPU 字节序无关，但 C++ 的 read() 行为受打开模式影响极大。Windows 下若不用 binary 模式，\x0d\x0a 会被转成单个 \n，导致后续所有偏移错乱。
- Linux/macOS 默认文本模式行为接近 binary，但不保证；统一用
std::ios::binary是唯一稳妥做法 - 别用
fopen(..., "r")+fread，C 风格 FILE* 在 Windows 下默认文本模式，同样会破坏二进制数据 - 如果文件路径含中文或特殊字符，用
std::filesystem::u8path（C++17）或平台原生 API 转换，避免std::ifstream构造失败静默失败 - 大文件无需全读——magic 检查只依赖前几字节，读完立即
close()，避免资源占用
真正麻烦的不是读那几个字节，而是得记住每种格式 magic 的边界条件：有些要严格长度匹配，有些允许宽松前缀，有些还得分版本（如 LZ4 frame header 以 \x04\x22\x4d\x18 开头，但 legacy 块格式完全不同）。没文档对照着看 hex dump，很容易把 false positive 当真。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
