アップロード サービスを開発する場合、多くの場合、アップロードされたファイルをフィルタリングする必要があります。
この記事では、ファイル ヘッダーからファイルの種類を判断するための非常に実用的な Python メソッドを説明します。
コードは以下の通りです
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 #不要忘记关闭打开的文件,避免出现异常 binfile.close() return ftype if __name__ == '__main__': print filetype('pythontab.jpg')
一般的なファイル形式のファイルヘッダー
ファイル形式ファイルヘッダー(hex)
JPEG(jpg)FFD8FF
PNG(png)89504E47
GIF(gif)47494638
TIFF( tif) 49492A00
Windows ビットマップ (bmp) 424D
CAD (dwg) 41433130
Adobe Photoshop (psd) 38425053
リッチ テキスト フォーマット (rtf) 7B5C727466
XML (xml) 3C3F786D6C
HTML (html) 68746D6C3E
メール [完全のみ] (eml) 44656C69766572792D646174653A
Outlook Express (dbx) CFAD12FEC5FD746F
Outlook (pst) 2142444E
MS Word/Excel (xls.or.doc) D0CF11 0
MS アクセス (mdb) 5374616E64617264204A