PDF文件的魔数是%PDF-，位于文件开头偏移0处，长度为5字节，是ISO 32000规范强制要求的标识符，读取前5字节比对即可可靠判断。
PDF文件的魔数（Magic Number）是什么
PDF 文件开头固定是 %PDF-，这是最可靠的识别依据。标准 PDF 规范（ISO 32000）要求文件前 4–5 字节必须为 %PDF-（含连字符），后面紧跟版本号，如 %PDF-1.7。这个字符串出现在文件开头（偏移 0 处），无需解析全文，读取前 10 字节就足够判断。
注意：不能只检查 %PDF 而漏掉连字符 —— 某些文本文件可能偶然包含该子串；也不能依赖后续版本号是否存在，因为极少数老旧或非标 PDF 可能省略版本（但 %PDF- 必须存在）。
用 C++ 读取文件头并比对魔数的正确写法
核心是打开文件、读取前若干字节、做字节级比较。关键点在于：用二进制模式打开，避免换行符转换干扰；用 std::ifstream::read 而非 >> 或 getline；缓冲区大小至少为 6 字节（"%PDF-" 长度为 5，加 1 安全边界）。
- 用
std::ios::binary打开文件，否则 Windows 下可能把\r\n当作单个\n导致偏移错乱 - 用
file.read(buffer, 5)读 5 字节后检查gcount()是否等于 5，防止文件过短（比如空文件或只有 2 字节） - 直接用
memcmp或std::string_view(buffer, 5) == "%PDF-"比较，不要转成std::string再==，避免隐式 null 截断风险
bool isPdf(const std::string& path) {
std::ifstream file(path, std::ios::binary);
if (!file) return false;
char buf[6] = {0};
file.read(buf, 5);
if (file.gcount() != 5) return false;
return std::memcmp(buf, "%PDF-", 5) == 0;
}
为什么不能只靠扩展名或 MIME 类型
扩展名（如 .pdf）完全不可信 —— 用户可任意重命名；系统级 MIME 探测（如 Linux 的 file 命令）底层其实也是读魔数，但会额外检查后续结构（如 %%EOF、对象交叉引用表），属于过度验证。对于“是否 PDF”这一布尔判断，魔数已足够：PDF/A、PDF/X、加密 PDF、甚至被截断的 PDF（只要开头没丢），只要符合规范，都以 %PDF- 起始。
反例：某些所谓“PDF 生成器”输出的是 PostScript（以 %! 开头）或 HTML（以 /code> 或 <code> 开头），扩展名骗不了魔数校验。
容易忽略的边界情况和坑
实际部署时，以下几点常导致误判：
- 文件有 BOM（如 UTF-8 BOM
\xEF\xBB\xBF）：PDF 规范禁止在开头插入 BOM，但某些编辑器保存时强行加了。此时真实 PDF 内容从第 4 字节开始，%PDF-出现在 offset 4 而非 0 —— 这类文件**不符合 PDF 标准**，不应视为合法 PDF - 文件是 PDF 的 ZIP 封装（如 .pdf.zip 重命名为 .pdf）：魔数是
\x50\x4B\x03\x04（PK），不是%PDF-，应直接拒绝 - 内存映射或流式场景：若输入是
std::istream&（而非路径），需确保流位置在开头（调用seekg(0)），且流支持随机访问（std::stringstream支持，网络响应流通常不支持）
真正需要鲁棒性时，不是放宽魔数检查，而是先确认文件是否被篡改或封装 —— PDF 就是 PDF，不兼容的变体不该被“宽容识别”。
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！
