python如何区分文件类型_【转】python通过文件头判断文件类型

==============================分隔线==============================

对于提供上传的服务器，需要对上传的文件进行过滤，否则各种webshell，暴库。

importstruct#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

deftypeList():return{"52617221": EXT_RAR,"504B0304": EXT_ZIP}#字节码转16进制字符串

defbytes2hex(bytes):

num=len(bytes)

hexstr= u""

for i inrange(num):

t= u"%x" %bytes[i]if len(t) % 2:

hexstr+= u"0"hexstr+=treturnhexstr.upper()#获取文件类型

deffiletype(filename):

binfile= open(filename, 'rb') #必需二制字读取

tl =typeList()

ftype= 'unknown'

for hcode intl.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]breakbinfile.close()returnftypeif __name__ == '__main__':print filetype(Your-file-path)

常见文件格式的文件头

文件格式 文件头(十六进制)

JPEG (jpg) FFD8FF

PNG (png) 89504E47

GIF (gif) 47494638

TIFF (tif) 49492A00

Windows Bitmap (bmp) 424D

CAD (dwg) 41433130

Adobe Photoshop (psd) 38425053

Rich Text Format (rtf) 7B5C727466

XML (xml) 3C3F786D6C

HTML (html) 68746D6C3E

Email [thorough only] (eml) 44656C69766572792D646174653A

Outlook Express (dbx) CFAD12FEC5FD746F

Outlook (pst) 2142444E

MS Word/Excel (xls.or.doc) D0CF11E0

MS Access (mdb) 5374616E64617264204A

WordPerfect (wpd) FF575043

Postscript (eps.or.ps) 252150532D41646F6265

Adobe Acrobat (pdf) 255044462D312E

Quicken (qdf) AC9EBD8F

Windows Password (pwl) E3828596

ZIP Archive (zip) 504B0304

RAR Archive (rar) 52617221

Wave (wav) 57415645

AVI (avi) 41564920

Real Audio (ram) 2E7261FD

Real Media (rm) 2E524D46

MPEG (mpg) 000001BA

MPEG (mpg) 000001B3

Quicktime (mov) 6D6F6F76

Windows Media (asf) 3026B2758E66CF11

MIDI (mid) 4D546864

==============================分隔线==============================

大概意思也就是说，对于上传到服务器上的文件，有些可能是修改了扩展名来混淆视听的恶意文件，这时候可以对文件头进行判断，看它是不是真的扩展名所示的文件，如果是则放行。