判断文件类型在开发中非常常见的需求，怎样才能准确的判断文件类型呢？首先大家想到的是文件的后缀，但是非常遗憾的是这种方法是非常不靠谱的，因为文件的后缀是可以随意更改的，而大家都知道后缀在linux系统下是没有这个概念的，所以仅靠判断后缀无法准确判断一个文件的类型。还有第二种方法是判断文件的头，每种文件在文件的头中会标识这种文件的类型，下面我们来看看如何用python来判断文件的类型。
python通过文件头判断文件类型的方法：
#! /usr/bin/python# pythontab提醒您注意中文编码问题，指定编码为utf-8# -*- coding: utf-8 -*- 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，少则2字符，长则8字符 def typeList(): return { "FFD8FF": "JPEG", "89504E47": "PNG"} # 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 binfile.close() return ftype if __name__ == '__main__': print filetype('./test.jpg')
常见文件格式的文件头
文件格式 文件头(十六进制)JPEG (jpg) FFD8FFPNG (png) 89504E47GIF (gif) 47494638TIFF (tif) 49492A00Windows Bitmap (bmp) 424DCAD (dwg) 41433130Adobe Photoshop (psd) 38425053Rich Text Format (rtf) 7B5C727466XML (xml) 3C3F786D6CHTML (html) 68746D6C3EEmail [thorough only] (eml) 44656C69766572792D646174653AOutlook Express (dbx) CFAD12FEC5FD746FOutlook (pst) 2142444EMS Word/Excel (xls.or.doc) D0CF11E0MS Access (mdb) 5374616E64617264204A
