Python怎么读无后缀文件_按字节读取并检测文件头Magic Number识别-Python教程-PHP中文网

必须用 open(path, 'rb') 读取无后缀文件，取前16–32字节比对 Magic Number（如 PNG：b'\x89PNG\r\n\x1a\n'，JPEG：b'\xff\xd8\xff'），避免 UnicodeDecodeError；可手动判断或用 filetype 库简化识别。

python怎么读无后缀文件_按字节读取并检测文件头magic number识别

用 `open()` 二进制模式读取无后缀文件

无后缀文件没法靠扩展名判断类型，只能看内容本身。最直接的办法就是以 rb 模式打开，跳过解码环节，原样拿到字节流——这是所有后续识别的前提。

常见错误是用 open(..., 'r') 尝试读取，结果遇到非 UTF-8 字节直接报 UnicodeDecodeError；或者没指定编码，让 Python 默认用系统 locale 解码，行为不可控。

必须用 open(path, 'rb')，不是 'r'
读多少？一般前 16–32 字节足够覆盖大多数 Magic Number（如 PNG 是前 8 字节，JPEG 是前 3 字节 b'\xff\xd8\xff'）
别用 readline()，它依赖换行符，在二进制里没意义；用 read(n) 精确控制字节数

常见 Magic Number 对应关系与 Python 判断逻辑

Magic Number 不是“猜”，而是查标准：PNG、JPEG、PDF、ELF、ZIP 等格式规范里都明确定义了开头若干字节的固定值。Python 里不需要自己硬背，用 if 链或字典匹配即可。

注意点：有些格式 Magic Number 有多个变体（比如 ZIP 文件开头可能是 b'PK\x03\x04' 或 b'PK\x05\x06'），也有格式 Magic Number 不在绝对开头（如某些 tar 文件需跳过 512 字节 header 才能定位到实际数据块）。

PNG：data.startswith(b'\x89PNG\r\n\x1a\n')
JPEG：data.startswith(b'\xff\xd8\xff')
PDF：data.startswith(b'%PDF-')（注意是 ASCII 文本，但仍在 rb 模式下可比对）
ZIP/EPUB：data.startswith(b'PK\x03\x04') or data.startswith(b'PK\x05\x06') or data.startswith(b'PK\x07\x08')
ELF（Linux 可执行文件）：data.startswith(b'\x7fELF')

用 `filetype` 库省事但要注意边界

手动比对 Magic Number 写起来快，但维护麻烦。第三方库 filetype 就是干这事的，内部已预置上百种格式的 Magic 规则，调用简单：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

import filetype
kind = filetype.guess('/path/to/file')
if kind is not None:
    print(kind.mime, kind.extension)

但它不是万能的：不支持自定义 Magic 规则；对极小文件（None；某些嵌套格式（如 docx 本质是 ZIP，但 filetype 会优先识别为 application/vnd.openxmlformats-officedocument.wordprocessingml.document）返回的是高层语义类型，不是底层容器类型。

适合快速验证、脚本批量探查
不要在安全敏感场景（如上传文件类型校验）中只依赖它——攻击者可以构造头部合法但实际内容恶意的文件
它默认只读前 262 字节，如果某格式 Magic 在更后面（比如某些音频格式），会漏判

检测失败时该往哪查

如果按 Magic Number 匹配不到，先别急着怀疑代码，大概率是文件本身有问题，或你查的格式不在常规列表里。

这时候要回到原始字节，用十六进制视角看真实内容。Linux/macOS 下可用 xxd -l 32 /path/to/file，Python 里可以用 data[:32].hex() 或 data[:32].hex(' ') 辅助观察。

文件是否为空？len(data) == 0 要单独处理
是否被加密或混淆？比如某些打包工具会在真实 Magic 前插入一段 loader 字节
是否是自定义/私有格式？那就得找文档或样本反推 Magic 位置和长度
是否是文本文件但没后缀？比如 JSON、XML、YAML，它们没有传统 Magic Number，得靠内容特征（如开头是否有 {、、---）做启发式判断，这已经超出字节头检测范畴了

真正难的从来不是“怎么读”，而是“读出来之后，你认得几个”。Magic Number 表是死的，文件是活的，多看几眼 xxd 输出，比背规则有用。