python3通過檔案頭判斷檔案型別
最近，在學習python3中，感覺入門挺簡單，畢竟本身是java開發，很多容易理解一些東西。
這幾天對檔案型別的驗證有點想法，就在網上搜索，是找到了很多部落格，但是感覺他們很多內容都一樣。就複製了一個，在本地跑，結果報錯。
網上的原始碼，因為是python3做了一點修改：
import struct # 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，少半2字元，長則8字元 def typeList(): return { "52617221": EXT_RAR, "504B0304": EXT_ZIP} # 位元組碼轉16進位制字串 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() # 獲取檔案型別 def filetype(filename): binfile = open(filename, 'rb') # 必需二制字讀取 tl = typeList() ftype = 'unknown' for hcode in tl.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) if f_hcode == hcode: ftype = tl[hcode] break binfile.close() return ftype if __name__ == '__main__': print(filetype('d:\\BugReport.txt')）
報錯資訊：
然後就在網上，查詢了struct的資訊：
Python正是使用struct模組執行Python值和C結構體之間的轉換，從而形成Python位元組物件。它使用格式字串作為底層C結構體的緊湊描述，進而根據這個格式字串轉換成Python值。
這樣好麻煩，再接著查python3原生的檔案操作，open函式：http://www.yiibai.com/python/python_files_io.html
以下是開啟檔案使用的模式的列表 -
| 編號 | 模式 | 描述 |
|---|---|---|
| 1 | r |
開啟的檔案為只讀模式。檔案指標位於檔案的開頭，這是預設模式。 |
| 2 | rb |
開啟僅用二進位制格式讀取的檔案。檔案指標位於檔案的開頭，這是預設模式。 |
| 3 | r+ |
開啟讀寫檔案。檔案指標放在檔案的開頭。 |
| 4 | rb+ |
以二進位制格式開啟一個用於讀寫檔案。檔案指標放在檔案的開頭。 |
| 5 | w |
開啟僅供寫入的檔案。 如果檔案存在，則覆蓋該檔案。 如果檔案不存在，則建立一個新檔案進行寫入。 |
| 6 | wb |
開啟僅用二進位制格式寫入的檔案。如果檔案存在，則覆蓋該檔案。 如果檔案不存在，則建立一個新檔案進行寫入。 |
| 7 | w+ |
開啟寫入和取讀的檔案。如果檔案存在，則覆蓋現有檔案。 如果檔案不存在，建立一個新檔案進行閱讀和寫入。 |
| 8 | wb+ |
開啟一個二進位制格式的寫入和讀取檔案。 如果檔案存在，則覆蓋現有檔案。 如果檔案不存在，建立一個新檔案進行閱讀和寫入。 |
| 9 | a |
開啟一個檔案進行追加。 如果檔案存在，則檔案指標位於檔案末尾。也就是說，檔案處於追加模式。如果檔案不存在，它將建立一個新檔案進行寫入。 |
| 10 | ab |
開啟一個二進位制格式的檔案。如果檔案存在，則檔案指標位於檔案末尾。 也就是說，檔案處於追加模式。如果檔案不存在，它將建立一個新檔案進行寫入。 |
| 11 | a+ |
開啟一個檔案，用於追加和閱讀。 如果檔案存在，則檔案指標位於檔案末尾。 檔案以附加模式開啟。 如果檔案不存在，它將建立一個新檔案進行閱讀和寫入。 |
| 12 | ab+ |
開啟一個二進位制格式的附加和讀取檔案。 如果檔案存在，則檔案指標位於檔案末尾。檔案以附加模式開啟。如果檔案不存在，它將建立一個新檔案進行讀取和寫入。 |
read()方法
read()方法用於從開啟的檔案讀取一個字串。 重要的是要注意Python字串除文字資料外可以是二進位制資料。。
語法
fileObject.read([count]);
這裡，傳遞引數 - count是從開啟的檔案讀取的位元組數。 該方法從檔案的開始位置開始讀取，如果count不指定值或丟失，則儘可能地嘗試讀取檔案，直到檔案結束。
# coding:utf-8
# WinSonZhao
import os
# 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，少半2字元，長則8字元
def typeList():
print('獲取檔案格式十六進位制碼錶……');
return {
"68746D6C3E": 'html',
"d0cf11e0a1b11ae10000":'xls',
"44656C69766572792D64":'eml',
'ffd8ffe000104a464946':'jpg',
'89504e470d0a1a0a0000':'png',
'47494638396126026f01':'gif',
'49492a00227105008037':'tif',
'424d228c010000000000':'bmp',
'424d8240090000000000':'bmp',
'424d8e1b030000000000':'bmp',
'41433130313500000000':'dwg',
'3c21444f435459504520':'html',
'3c21646f637479706520':'htm',
'48544d4c207b0d0a0942':'css',
'696b2e71623d696b2e71':'js',
'7b5c727466315c616e73':'rtf',
'38425053000100000000':'psd',
'46726f6d3a203d3f6762':'eml',
'd0cf11e0a1b11ae10000':'doc',
'd0cf11e0a1b11ae10000':'vsd',
'5374616E64617264204A':'mdb',
'252150532D41646F6265':'ps',
'255044462d312e350d0a':'pdf',
'2e524d46000000120001':'rmvb',
'464c5601050000000900':'flv',
'00000020667479706d70':'mp4',
'49443303000000002176':'mp3',
'000001ba210001000180':'mpg',
'3026b2758e66cf11a6d9':'wmv',
'52494646e27807005741':'wav',
'52494646d07d60074156':'avi',
'4d546864000000060001':'mid',
'504b0304140000080044':'zip',
'504b03040a0000080000':'zip',
'504b03040a0000000000':'zip',
'526172211a0700cf9073':'rar',
'235468697320636f6e66':'ini',
'504b03040a0000000000':'jar',
'4d5a9000030000000400':'exe',
'3c25402070616765206c':'jsp',
'4d616e69666573742d56':'mf',
'3c3f786d6c2076657273':'xml',
'494e5345525420494e54':'sql',
'7061636b616765207765':'java',
'406563686f206f66660d':'bat',
'1f8b0800000000000000':'gz',
'6c6f67346a2e726f6f74':'properties',
'cafebabe0000002e0041':'class',
'49545346030000006000':'chm',
'04000000010000001300':'mxp',
'504b0304140006000800':'docx',
'd0cf11e0a1b11ae10000':'wps',
'6431303a637265617465':'torrent',
}
# 位元組碼轉16進位制字串
def bytes2hex(bytes):
print('關鍵碼轉碼……');
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()
# 獲取檔案型別
def filetype(filename):
print('讀檔案二進位制碼中……');
binfile = open(filename, 'rb') # 必需二制字讀取
print('提取關鍵碼……');
bins = binfile.read(20) #提取20個字元
binfile.close() #關閉檔案流
bins = bytes2hex(bins) #轉碼
bins = bins.lower()#小寫
print(bins);
tl = typeList() #檔案型別
ftype = 'unknown'
print('關鍵碼比對中……');
for hcode in tl.keys():
lens = len(hcode) # 需要的長度
if bins[0:lens] == hcode:
ftype = tl[hcode]
break
if ftype == 'unknown':#全碼未找到，優化處理，碼錶取5位驗證
bins = bins[0:5];
for hcode in tl.keys():
if len(hcode) > 5 and bins == hcode[0:5]:
ftype = tl[hcode]
break
return ftype
#檔案掃描，如果是目錄，就將遍歷檔案，是檔案就判斷檔案型別
def filescanner(path):
if type(path) != type('a'):#判斷是否為字串
print('抱歉，你輸入的不是一個字串路徑！');
elif path.strip() == '':#將兩頭的空格移除
print('輸入的路徑為空！');
elif not os.path.exists(path):
print('輸入的路徑不存在！');
elif os.path.isfile(path):
print('輸入的路徑指向的是檔案，驗證檔案型別……');
if path.rfind('.') > 0:
print('檔名:',os.path.split(path)[1]);
else:
print('檔名中沒有找到格式');
path = filetype(path);
print('解析檔案判斷格式：'+path);
elif os.path.isdir(path):
print('輸入的路徑指向的是目錄，開始遍歷檔案');
for p,d,fs in os.walk(path):
print(os.path.split(p));
for n in fs:
n=n.split('.');
print('\t'+n[0]+'\t'+n[1]);
if __name__ == '__main__':
print('WinSonZhao，歡迎你使用檔案掃描工具……');
path=input('請輸入要掃描的資料夾路徑：');
filescanner(path);
print('掃描結束！');
檔案型別對應的十六進位制碼，整理了一些，但是至驗證了幾個：
=============== RESTART: D:\python\python35\練習\flieScanner.py ===============
WinSonZhao，歡迎你使用檔案掃描工具……
請輸入要掃描的資料夾路徑：e:\\自學\\15秋本科論文寫作要求.zip
輸入的路徑指向的是檔案，驗證檔案型別……
檔名: 15秋本科論文寫作要求.zip
讀檔案二進位制碼中……
提取關鍵碼……
關鍵碼轉碼……
504b03040a000008000041594d4a000000000000
獲取檔案格式十六進位制碼錶……
關鍵碼比對中……
解析檔案判斷格式：zip
掃描結束！
>>>
=============== RESTART: D:\python\python35\練習\flieScanner.py ===============
WinSonZhao，歡迎你使用檔案掃描工具……
請輸入要掃描的資料夾路徑：E:\資料\pdf\iReport中文教程.pdf
輸入的路徑指向的是檔案，驗證檔案型別……
檔名: iReport中文教程.pdf
讀檔案二進位制碼中……
提取關鍵碼……
關鍵碼轉碼……
255044462d312e350d0a25b5b5b5b50d0a312030
獲取檔案格式十六進位制碼錶……
關鍵碼比對中……
解析檔案判斷格式：pdf
掃描結束！
現在附上找到的碼錶，可能不太對，還要各位自己在使用中驗證：
48544d4c207b0d0a0942=css
504b03040a0000000000=jar
FF00020004040554=wks
4F7B=dw4
8A0109000000E108=aw
5B666C7473696D2E=cfg
00000020667479706d70=mp4
456C6646696C6500=evtx
52494646d07d60074156=avi
52617221=rar,RARArchive(rar)
58435000=cap
49545346030000006000=chm
377ABCAF271C=7z
E4525C7B8CD8A74D=one
81CDAB=wpf
EDABEEDB=rpm
0000002066747970=3gp
4D52564E=nvram
4E422A00=jnt,jtp
5850434F4D0A5479=xpt
646E732E=au
414D594F=syw
010F0000=mdf
504147454455=dmp
494e5345525420494e54=sql
00001A0000100400=wk3
5000000020000000=idx
434F4D2B=clb
60EA=arj
FFD8FF=JPEG(jpg),jfif
636F6E6563746978=vhd
504750644D41494E=pgd
1A350100=eth
582D=eml
4E45534D1A01=nsf
564350434830=pch
68490000=shd
464F524D00=aiff
4D534346=cab,ppz,snp
41433130=CAD(dwg)
436174616C6F6720=ctf
504b0304140006000800=docx
454E545259564344=vcd
6431303a637265617465=torrent
01DA01010003=rgb
4D5A900003000000=ax,api
3026B2758E66CF11=WindowsMedia(asf),wma,wmv
4D444D5093A7=hdmp
68746D6C3E=html,HTML(html)
56455253494F4E20=ctl
458600000600=qbb
D7CDC69A=wmf
23204D6963726F73=dsp
89504E47=png,PNG(png)
3C21646F63747970=dci
252150532D41646F6265=Postscript(eps.or.ps)
424F4F4B4D4F4249=prc
FEEF=gho,ghs
00000020667479704D3441=m4a
0CED=mp
414376=sle
04000000010000001300=mxp
9901=pkr
00000100=ico,spl
04=db4
504B03040A=ipa
47494638=GIF(gif)
4B444D=vmdk
300000004C664C65=evt
4C4E0200=gid,hlp
235468697320636f6e66=ini
4d5a9000030000000400=exe
0000020006040600=wk1
534D415254445257=sdr
4C00000001140200=lnk
FFFFFFFF=sys
7B0D0A6F20=lgc,lgd
78=dmg
213C617263683E0A=lib
414F4C2046656564=bag
2E7261FD=ram,RealAudio(ram)
BE000000AB=wri
4D6963726F736F66742056697375616C=sln
5F434153455F=cas,cbk
2E524D46=rm,RealMedia(rm),rmvb
7061636b616765207765=java
414F4C564D313030=pfc,org
57415645=wav,Wave(wav)
43232B44A4434DA5=rtd
475832=gx2
0000000C6A502020=jp2
2142444E=pst,Outlook(pst)
E310000100000000=info
464C56=flv
504158=pax
4550=mdi
B168DE3A=dcx
575332303030=ws2
554641C6D2C1=ufa
43525553482076=cru
4D41723000=mar
6C33336C=dbb
5B47656E6572616C=ecf
464c5601050000000900=flv
B46E6844=tib
D42A=arl,aut
7B5C72746631=rtf
CFAD12FEC5FD746F=dbx,OutlookExpress(dbx)
AC9EBD8F=qdf,Quicken(qdf)
E3828596=pwl,WindowsPassword(pwl)
727473703A2F2F=ram
6465780A30303900=dex
5854=bdr
49492a00227105008037=tif
5B4D535643=vcw
49443303000000002176=mp3
CAFEBABE=class
7E424B00=psp
49544F4C49544C53=lit
4B47425F61726368=kgb
6D6F6F76=mov,mov,Quicktime(mov)
03000000=qph
3c3f786d6c2076657273=xml
4A47040E000000=jg
FFFE0000=n,a
B5A2B0B3B3B0A5B5=cal
52454745444954=sud
5245564E554D3A2C=adf
A90D000000000000=dat
424d8e1b030000000000=bmp
7b5c727466315c616e73=rtf
5041434B=pak
5F27A889=jar
d0cf11e0a1b11ae10000=doc,vsd,wps
000001BA=mpg,MPEG(mpg),vob
7B5C707769=pwi
76323030332E3130=flt
514649=qemu
424C4932323351=bin
9501=skr
0764743264647464=dtd
5A4F4F20=zoo
80=obj
2A2A2A2020496E73=log
3c25402070616765206c=jsp
4E49544630=ntf
7B5C727466=rtf,RichTextFormat(rtf)
CFAD12FE=dbx
0E4E65726F49534F=nri
504B0304140000=zip
4D4D002B=tif,tiff
ACED000573720012=pdb
3c21444f435459504520=html
DCDC=cpl
53484F57=shw
6375736800000002=csh
41724301=arc
46726f6d3a203d3f6762=eml
FFFE23006C006900=mof
4F504C4461746162=dbf
AC9EBD8F0000=qdf
1FA0=tar.z
576F726450726F=lwp
424D=bmp,WindowsBitmap(bmp),dib
38425053=psd,AdobePhotoshop(psd)
5157205665722E20=abd,qsd
255044462D312E=pdf,AdobeAcrobat(pdf)
696b2e71623d696b2e71=js
4d546864000000060001=mid
1F8B08=gz
FF464F4E54=cpi
FF575043=wpd,WordPerfect(wpd),wpd,wpg,wpp,wp5,wp6
4D53465402000100=tlb
4D535F564F494345=dvf,msv
4C5646090D0AFF00=e01
00004D4D585052=qxd
4D4D4D440000=mmf
43505446494C45=cpt
80000020031204=adx
414F4C4442=aby
414F4C494E444558=abi
00001A0002100400=wk4,wk5
424547494E3A5643=vcf
4D5A90000300000004000000FFFF=zap
44656C69766572792D646174653A=Email[thoroughonly](eml)
464158434F564552=cpe
02647373=dss
91334846=hap
2321414D52=amr
49545346=chi,chm
4D563243=mls
47504154=pat
5B57696E646F7773=cpx
49491A0000004845=crw
cafebabe0000002e0041=class
406563686f206f66660d=bat
4d616e69666573742d56=mf
4344303031=iso
255044462d312e350d0a=pdf
41564920=avi,AVI(avi)
0A050101=pcx
72696666=acd
1A45DFA393428288=mkv
49536328=hdr
3C3F786D6C2076657273696F6E3D=manifest
9CCBCB8D1375D211=wab
EB3C902A=img
445644=dvr,ifo
64000000=p10
4F67675300020000=oga,ogg,ogv,ogx
424d8240090000000000=bmp
3C4D616B65724669=fm
03=db3
C8007900=lbk
49443303000000=koz
38425053000100000000=psd
C3ABCDAB=acs
4E616D653A20=cod
664C614300000022=flac
55434558=uce
07534B46=skf
5B7665725D=sam
64737766696C65=dsw
5343486C=ast
000001ba210001000180=mpg
4D546864=MIDI(mid),midi
53514C4F434F4E56=cnv
4848474231=sh3
444D5321=dms
5374616E64617264204A=MSAccess(mdb)
1D7D=ws
50350A=pgm
49492A00=tif,TIFF(tif)
3C3F786D6C=XML(xml)
3026b2758e66cf11a6d9=wmv
5374756666497420=sit
2854686973206669=hqx
424d228c010000000000=bmp
425A68=tar.bz2,tbz2,tb2
3c21646f637479706520=htm
465753=swf
1100000053434341=pf
504B030414000600=docx,pptx,xlsx
434246494C45=cbd
6c6f67346a2e726f6f74=properties
DCFE=efx
2E524543=ivr
504D4343=grp
56657273696F6E20=mif
25504446=pdf,fdf
24464C3240282329=sav
C5D0D3C6=eps
2E7261FD00=ra
2112=ain
3C3F786D6C2076657273696F6E3D22312E30223F3E=xml
2e524d46000000120001=rmvb
00001A00051004=123
52494646e27807005741=wav
D20A0000=ftr
414F4C494458=ind
5B50686F6E655D=dun
0110=tr1
推薦使用這個軟體檢視十六進位制：
這就是我自己整理，文中難免有不足之處，請指出，小弟先謝過了