python-magic：检测文件的MIME类型

luckzack

发布于 2024-05-08 10:00:39

1350

发布于 2024-05-08 10:00:39

简介

python-magic是一个Python封装的文件类型识别库，它基于libmagic库。libmagic是一个强大的文件类型识别工具，它可以分析文件内容来确定文件的MIME类型。通过python-magic，我们可以在Python脚本中轻松地调用这个功能，无论是用于文件处理、上传下载的文件类型检查，还是在自动化脚本中，都非常有用。

特点

易于使用：python-magic提供了一个简单的API，通过简单的函数调用，你可以获取文件的MIME类型。
识别率高：python-magic封装了libmagic文件类型识别库，识别率高。

工作原理

python-magic封装了libmagic文件类型识别库。libmagic是一个文件类型识别库，它通过检查文件的魔数（magic number）来确定文件的类型。魔数是文件开头的一些特定字节，不同的文件类型有不同的魔数。libmagic库中包含了一个文件类型数据库，用于存储不同文件类型的魔数信息。当python-magic库被调用时，它会读取目标文件的开头几个字节，然后与libmagic库中的文件类型数据库进行匹配，从而确定文件的类型。

安装

在开始使用python-magic之前，我们需要先安装它。python-magic可以通过pip进行安装。在命令行中运行以下命令：

pip install python-magic

如果你使用的是Windows系统，还需要安装libmagic的Windows版本。下载后，将libmagic的安装目录添加到系统的PATH环境变量中。在macOS上，你也可以使用Homebrew来安装libmagic：

brew install libmagic

如何使用

基本用法

使用python-magic识别文件类型非常简单。首先，我们需要导入magic模块。然后，创建一个magic.Magic对象。最后，调用该对象的from_file()方法，传入要识别的文件路径，即可得到文件类型。

import magic
# 创建magic对象
m = magic.Magic()
# 识别文件类型
file_path = "example.txt"
file_type = m.from_file(file_path)
print(file_type)  # 输出：ASCII text

其他示例

python-magic还可以用于多种场景，下面我们来看其他一些示例。

检查未知文件

file_path = 'unknown_file.bin'
mime_type = m.from_file(file_path)
print(f"This unknown file is of type {mime_type}")

检查远程文件

如果你有一个URL，你也可以检查远程文件的类型：

url = 'http://example.com/file.zip'
mime_type = m.from_url(url)
print(f"The remote file at {url} is of type {mime_type}")

识别图片类型

import magic
m = magic.Magic(mime=True)
file_path = "example.jpg"
file_type = m.from_file(file_path)
print(file_type)  # 输出：image/jpeg

识别多个文件类型

import magic
m = magic.Magic()
file_paths = ["example.txt", "example.jpg", "example.mp3"]
for file_path in file_paths:
    file_type = m.from_file(file_path)
    print(f"{file_path}: {file_type}")

高级用法

自定义文件类型数据库

python-magic还提供了一些高级用法，例如自定义文件类型数据库、设置文件类型识别的深度等。以下是一个自定义文件类型数据库的例子：

import magic
# 创建magic对象，指定自定义的文件类型数据库
m = magic.Magic(magic_file="path/to/magic.mgc")
# 识别文件类型
file_path = "example.txt"
file_type = m.from_file(file_path)
print(file_type)  # 输出：ASCII text

有时候，我们可能需要识别一些特殊的文件类型，而这些文件类型在python-magic的默认文件类型数据库中并没有定义。这时，我们可以自定义文件类型数据库。自定义文件类型数据库是一个文本文件，每一行定义一个文件类型。每一行的格式如下：

>0 string magic_string magic_description

这行代码是magic文件格式的一部分，用于定义文件类型的识别规则。在magic文件中，每一行定义了一个规则，用于识别特定的文件类型。各部分的含义如下：

>0：表示从文件的开始处（偏移量为0）开始检查。
string：表示要检查的是字符串类型的数据。
magic_string：是要查找的特定字符串，也就是魔数（magic number），它是文件类型识别的关键。
magic_description：当文件中包含magic_string时，magic库会返回这个描述，表示文件的类型。

例如，对于ZIP文件的识别规则，magic文件中可能会有类似这样的一行：

>0 string PK\003\004 Zip archive data

这样就可以定义一个简单的文件类型数据库custom.magic。这意味着，如果文件的开头是字符串PK\003\004，那么magic库会识别这个文件为ZIP归档文件，并返回描述Zip archive data。然后，我们可以使用这个自定义的文件类型数据库来创建magic.Magic对象：

import magic
m = magic.Magic(magic_file="custom.magic")
file_path = "example.zip"
file_type = m.from_file(file_path)
print(file_type)  # 输出：Zip archive data

设置文件类型识别的深度

有时候，我们可能只需要识别文件的开头一部分内容，而不需要读取整个文件。这时，我们可以设置文件类型识别的深度。

import magic
# 创建magic对象，设置文件类型识别的深度为1024字节
m = magic.Magic(buffer_size=1024)
file_path = "example.txt"
file_type = m.from_file(file_path)
print(file_type)  # 输出：ASCII text

通过设置buffer_size参数，我们可以控制python-magic读取文件的字节大小。这样可以提高文件类型识别的速度，尤其是在处理大文件时。