python準確判斷檔案型別
判斷檔案型別在開發中非常常見的需求,怎樣才能準確的判斷檔案型別呢?首先大家想到的是檔案的字尾,但是非常遺憾的是這種方法是非常不靠譜的,因為檔案的字尾是可以隨意更改的,而大家都知道字尾在linux系統下是沒有這個概念的,所以僅靠判斷後綴無法準確判斷一個檔案的型別。還有第二種方法是判斷檔案的頭,每種檔案在檔案的頭中會標識這種檔案的型別,下面我們來看看如何用python來判斷檔案的型別。
python通過檔案頭判斷檔案型別的方法:
#!/usr/bin/python
#pythontab提醒您注意中文編碼問題,指定編碼為utf-8
#-*-coding:utf-8-*-
importstruct
#支援檔案型別
#用16進位制字串的目的是可以知道檔案頭是多少位元組
#各種檔案頭的長度不一樣,少則2字元,長則8字元
deftypeList():
return{
FFD8FF:JPEG,
89504E47:PNG}
#位元組碼轉16進位制字串
defbytes2hex(bytes):
num=len(bytes)
hexstr=u
foriinrange(num):
t=u%x%bytes[i]
iflen(t)%2:
hexstr+=u0
hexstr+=t
returnhexstr.upper()
#獲取檔案型別
deffiletype(filename):
binfile=open(filename,'rb')#必需二制字讀取
tl=typeList()
ftype='unknown'
forhcodeintl.keys():
numOfBytes=len(hcode)/2#需要讀多少位元組
binfile.seek(0)#每次讀取都要回到檔案頭,不然會一直往後讀取
hbytes=struct.unpack_from(B*numOfBytes,binfile.read(numOfBytes))#一個B表示一個位元組
f_hcode=bytes2hex(hbytes)
iff_hcode==hcode:
ftype=tl[hcode]
break
binfile.close()
returnftype
if__name__=='__main__':
printfiletype('./test.jpg')
常見檔案格式的檔案頭
檔案格式檔案頭(十六進位制)
JPEG(jpg)FFD8FF
PNG(png)89504E47
GIF(gif)47494638
TIFF(tif)49492A00
WindowsBitmap(bmp)424D
CAD(dwg)41433130
AdobePhotoshop(psd)38425053
RichTextFormat(rtf)7B5C727466
XML(xml)3C3F786D6C
HTML(html)68746D6C3E
Email[thoroughonly](eml)44656C69766572792D646174653A
OutlookExpress(dbx)CFAD12FEC5FD746F
Outlook(pst)2142444E
MSWord/Excel(xls.or.doc)D0CF11E0
MSAccess(mdb)5374616E64617264204A