Определить формат файла

@Zerkalka · Регистрация: 09.03.2010

Студворк — интернет-сервис помощи студентам

Для определения формата файла в своей прогармме использую базу magic.mgc (из команды file). Не определяет форматы MS Office 2007. Есть ли решение? Возможно есть другой метод определения формата? Не хотелось бы составлять свою базу форматов и выполнять в программе побайтовую обработку файла (для определения сигнатуры файла)
Заранее благодарю...

@taras atavin · 18.10.2010, 10:24

А в базе то что?

Добавлено через 2 минуты
Способов всего два: по расширениям файлов и по внутренним заголовкам (с теми самыми сигнатурами).

@Zerkalka · 18.10.2010, 10:29 **[ТС]**

вот именно, что не могу найти не скомпиленную базу (magic.mime)
по расширениям - не вариант, расширение можно любое задать или убрать вообще.
а сигнатуры - можно, но программа должна обрабатывать очень много форматов, потому и не хочется составлять свою базу сигнатур. сделать можно, но так не хочется изобретать велосипед...

@taras atavin · 18.10.2010, 10:34

Винда всегда сначала по расширению определяет, передаёт подоконнику, который с этим расширением должен работать, а он уже по сигнатурам перебирает только те форматы, с которыми умеет работать. Но велосипедных дел мастером себя провозглашать действительно не стоит.

@odip · 18.10.2010, 18:24

Не определяет форматы MS Office 2007.

Чего говорит ?

Добавлено через 5 минут

Code
1
2
3
4
5
[odip work]$ file word2003.doc
word2003.doc: Microsoft Office Document
[odip work]$ file word2007.docx
word2007.docx: Zip archive data, at least v2.0 to extract
[odip work]$

Ну вообщем все верно - файл word 2007 - это просто ZIP-архив

@Zerkalka · 18.10.2010, 20:56 **[ТС]**

Сообщение от odip

это просто ZIP-архив

да, если смотреть только на первые байты, а именно: 50 4b 03 04.

Для сравнения:
Word 2007 (.docx)
String in HEX: 50 4b 03 04 14 00 06 00 08 00 00 00 21 00 30 c9

Excel 2007 (xltx)
String in HEX: 50 4b 03 04 14 00 06 00 08 00 00 00 21 00 a7 95

PowerPoint 2007 (pptx)
String in HEX: 50 4b 03 04 14 00 06 00 08 00 00 00 21 00 5c 0b

@odip · 19.10.2010, 12:03

Вот создал я word.docx
HEX: 50 4B 03 04 14 00 06 00 │ 08 00 00 00 21 00 DD FC

Zerkalka, извини но ты немного не соображаешь о чем говоришь
Если это ZIP-архив, то смотреть байты дальше не имеет смысла
Потому что ZIP-архив имеет заголовок (переменной длины кстати)
Я могу взять создать ZIP-архив и сделать чтобы первые 16 байтов совпадали с твоими
Но это не будет формат docx
Чтобы разпознать что это docx нужно открыть этот ZIP-архив и лазить уже внутри
Причем я сильно подзреваю что отличить docx от xlsx и от pptx очень трудно

@Zerkalka · 19.10.2010, 13:10 **[ТС]**

odip, ясно. вразумительных советов не даете, а только оскорбляете перед этим извинившись. в программке Hex Editor Neo можно создать файл с любой сигнатурой (и zip будет не архивом, а не понятно чем). меня интересует ответ на вопрос из первого поста.

@odip · 19.10.2010, 20:18

Ну если ты понял, тогда повторю еще раз:
Сигнатурным способом ( как ты пытаешься сделать в посте #6 ) ты не отличишь ZIP-архив от docx, pptx, xlsx
Нужно парсить файл

Новые блоги и статьи Все статьи Все блоги /
Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .	Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .
Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и напряжениями. Надо найти токи в ветвях. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и решает её. Последовательность действий:. . .	Новый CodeBlocs. Версия 25.03 palva 04.01.2026 Оказывается, недавно вышла новая версия CodeBlocks за номером 25. 03. Когда-то давно я возился с только что вышедшей тогда версией 20. 03. С тех пор я давно снёс всё с компьютера и забыл. Теперь. . .	Модель микоризы: классовый агентный подход anaschu 02.01.2026 Раньше это было два гриба и бактерия. Теперь три гриба, растение. И на уровне агентов добавится между грибами или бактериями взаимодействий. До того я пробовал подход через многомерные массивы,. . .	Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Programma_Boinc 28.12.2025 Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Налог на собак: https:/ / ********/ gallery/ V06K53e Финансовый отчет в Excel: https:/ / ********/ gallery/ bKBkQFf Пост отсюда. . .

@Zerkalka 38 / 37 / 8 Регистрация: 09.03.2010 Сообщений: 79

	Определить формат файла 18.10.2010, 10:09. Показов 4037. Ответов 8 Метки нет (Все метки) Для определения формата файла в своей прогармме использую базу magic.mgc (из команды file). Не определяет форматы MS Office 2007. Есть ли решение? Возможно есть другой метод определения формата? Не хотелось бы составлять свою базу форматов и выполнять в программе побайтовую обработку файла (для определения сигнатуры файла) Заранее благодарю... 0

@taras atavin 4226 / 1796 / 211 Регистрация: 24.11.2009 Сообщений: 27,562
	18.10.2010, 10:24
	А в базе то что? Добавлено через 2 минуты Способов всего два: по расширениям файлов и по внутренним заголовкам (с теми самыми сигнатурами). 0

@Zerkalka 38 / 37 / 8 Регистрация: 09.03.2010 Сообщений: 79
	18.10.2010, 10:29 [ТС]
	вот именно, что не могу найти не скомпиленную базу (magic.mime) по расширениям - не вариант, расширение можно любое задать или убрать вообще. а сигнатуры - можно, но программа должна обрабатывать очень много форматов, потому и не хочется составлять свою базу сигнатур. сделать можно, но так не хочется изобретать велосипед... 0

@taras atavin 4226 / 1796 / 211 Регистрация: 24.11.2009 Сообщений: 27,562
	18.10.2010, 10:34
	Винда всегда сначала по расширению определяет, передаёт подоконнику, который с этим расширением должен работать, а он уже по сигнатурам перебирает только те форматы, с которыми умеет работать. Но велосипедных дел мастером себя провозглашать действительно не стоит. 0

@odip 7176 / 3234 / 82 Регистрация: 17.06.2009 Сообщений: 14,164
	19.10.2010, 12:03
	Вот создал я word.docx HEX: 50 4B 03 04 14 00 06 00 │ 08 00 00 00 21 00 DD FC Zerkalka, извини но ты немного не соображаешь о чем говоришь Если это ZIP-архив, то смотреть байты дальше не имеет смысла Потому что ZIP-архив имеет заголовок (переменной длины кстати) Я могу взять создать ZIP-архив и сделать чтобы первые 16 байтов совпадали с твоими Но это не будет формат docx Чтобы разпознать что это docx нужно открыть этот ZIP-архив и лазить уже внутри Причем я сильно подзреваю что отличить docx от xlsx и от pptx очень трудно 0

@Zerkalka 38 / 37 / 8 Регистрация: 09.03.2010 Сообщений: 79
	19.10.2010, 13:10 [ТС]
	odip, ясно. вразумительных советов не даете, а только оскорбляете перед этим извинившись. в программке Hex Editor Neo можно создать файл с любой сигнатурой (и zip будет не архивом, а не понятно чем). меня интересует ответ на вопрос из первого поста. 0

@odip 7176 / 3234 / 82 Регистрация: 17.06.2009 Сообщений: 14,164
	19.10.2010, 20:18
	Ну если ты понял, тогда повторю еще раз: Сигнатурным способом ( как ты пытаешься сделать в посте #6 ) ты не отличишь ZIP-архив от docx, pptx, xlsx Нужно парсить файл 0