很多人都遇見過這樣的問題，存儲(chǔ)卡開始將所有文件移至LOST.DIR文件夾，沒有任何擴(kuò)展名。長(zhǎng)期以來，這里積累了500多種不同類型的文件：圖片，視頻，音頻，文檔。不可能單獨(dú)理解文件的格式，因此我開始尋找一種以編程方式解決此問題的方法。下面我們就來介紹一下如何使用Python確定文件格式的方法信息，想知道的請(qǐng)繼續(xù)往下看。

　　尋找決定

我不想以Web服務(wù)或程序的形式使用現(xiàn)成的解決方案，因此有一種想法來編寫一個(gè)控制臺(tái)實(shí)用程序，該實(shí)用程序?qū)⒈闅v所有文件并自動(dòng)安裝擴(kuò)展。選擇Python編寫實(shí)用程序。出于以下幾個(gè)原因，搜索合適的模塊和庫沒有帶來結(jié)果：

· 缺乏開發(fā)商的支持

· 功能過多

· 缺乏對(duì)Python新版本的支持

· 代碼過于復(fù)雜

在許多庫中，python-magic非常流行。它是libmagic庫的包裝器。但是，如果沒有用于Unix庫的DLL，就無法在Windows下使用python-magic。因此，此選項(xiàng)還不夠好。

　　解決問題

從以上內(nèi)容出發(fā)，我決定不使用第三方庫和模塊，并在沒有它們的情況下解決問題。在簡(jiǎn)短搜索有關(guān)如何執(zhí)行此任務(wù)的信息之后，唯一正確的方法是通過文件簽名（也稱為“幻數(shù)”）確定格式。

文件簽名是一組字節(jié)，提供了文件格式的定義。簽名具有以下十六進(jìn)制形式：

50 4D 4F 43 43 4D 4F 43

幸運(yùn)的是，Internet上有兩個(gè)很好的站點(diǎn)，帶有許多不同格式的簽名。目標(biāo)是最常見的格式。

事實(shí)證明，某些簽名適用于不同的文件格式，例如Microsoft Office文件的簽名。基于此，在某些情況下，有必要返回合適的文件擴(kuò)展名列表。

print(get("D:\some_ms_office_document")) # prints ['doc', 'ppt', 'xls']

同樣，簽名通常比3GP多媒體容器之類的文件開頭偏移一點(diǎn)。

　　1.編制數(shù)據(jù)清單

作為數(shù)據(jù)列表，我決定使用帶有“數(shù)據(jù)”對(duì)象的JSON文件，其值將是以下形式的對(duì)象數(shù)組：

{"format": "jpg", "offset": 0, "signature": ["FF D8 FF E0", "FF D8 FF E1", "FF D8 FF E2", "FF D8 FF E8"]}

哪里：

· 格式-文件格式；

· offset —簽名從文件開頭的偏移量；

· 簽名—用于指定文件格式的適當(dāng)簽名的數(shù)組。

　　2.編寫實(shí)用程序

　　導(dǎo)入必要的模塊：

import os

import json

　　讀取數(shù)據(jù)列表：

abspath = os.path.abspath(os.path.dirname(__file__))

data = json.loads(open(os.path.join(abspath, "data.json"), "r", encoding="utf-8").read())["data"]

很好，數(shù)據(jù)列表已加載。現(xiàn)在，我們將文件讀取為字節(jié)數(shù)組。我們只讀取前32個(gè)字節(jié)，因?yàn)榇_定通用格式不需要更多，并且完全讀取大文件將花費(fèi)很長(zhǎng)時(shí)間。

file = open("path_to_the_file", "rb").read(32)

如果打印“文件”變量，將看到類似以下內(nèi)容：

x90x00x03x00x00x00x04

現(xiàn)在必須將字節(jié)轉(zhuǎn)換為十六進(jìn)制系統(tǒng)：

hex_bytes = " ".join(['{:02X}'.format(byte) for byte in file])

接下來，我們創(chuàng)建一個(gè)列表，在其中添加適當(dāng)?shù)母袷剑?/p>

out = []

現(xiàn)在，我們創(chuàng)建一個(gè)結(jié)構(gòu)，該結(jié)構(gòu)將循環(huán)確定文件格式：

for element in data:

for signature in element["signature"]:

offset = element["offset"]*2+element["offset"]

if signature == hex_bytes[offset:len(signature)+offset].upper():

out.append(element["format"])

　　關(guān)于此字符串：

offset = element["offset"]*2+element["offset"]

由于我們的字節(jié)用字符串表示，兩個(gè)符號(hào)表示一個(gè)字節(jié)，因此我們將偏移量乘以2，然后在“字節(jié)”之間加上空格數(shù)。

對(duì)我們來說唯一剩下的就是輸出適當(dāng)格式的列表，該格式由'out'變量表示。

print(out) # prints something like ['extension_1', 'extension_2']

事實(shí)證明，各種項(xiàng)目都面臨著識(shí)別文件格式的需求，因此我決定以開放源代碼的形式發(fā)布我的解決方案，作為Python的模塊，稱為fleep link to GitHub page。您可以使用標(biāo)準(zhǔn)的python實(shí)用程序'pip'安裝模塊：

pip install fleep

項(xiàng)目頁面上還有用法示例和受支持的文件格式的完整列表。

上述就是關(guān)于使用Python確定文件格式的全部?jī)?nèi)容介紹，想了解更多關(guān)于Python的信息，請(qǐng)繼續(xù)關(guān)注中培偉業(yè)。