在日常開發(fā)中，我們經(jīng)常需要判斷一個(gè)文件的真實(shí)格式，尤其是在處理用戶上傳、文件解析或數(shù)據(jù)清洗的場(chǎng)景。僅僅依賴文件擴(kuò)展名往往不夠可靠，因?yàn)橛脩艨梢噪S意修改后綴名。本文將以圖片文件為例，介紹幾種用Python判斷文件格式的常見方法，分析它們的優(yōu)缺點(diǎn)，并提供完整的代碼實(shí)例。

為什么不能只相信擴(kuò)展名

在Windows或Linux系統(tǒng)中，文件擴(kuò)展名只是文件名的一部分，操作系統(tǒng)并不強(qiáng)制要求其與內(nèi)容匹配。例如，將一個(gè)文本文件重命名為 image.jpg，它依然是一個(gè)文本文件。如果程序僅根據(jù).jpg來解析，就會(huì)出錯(cuò)。因此，從文件內(nèi)容判斷格式才是根本。

下面我們由淺入深，介紹幾種方案。

方法一：基于文件擴(kuò)展名（最基礎(chǔ)，最不可靠）

直接使用os.path.splitext獲取文件后綴，然后映射到格式。

代碼示例

import os

def guess_format_by_extension(file_path):
    ext = os.path.splitext(file_path)[1].lower()
    ext_to_format = {
        '.jpg': 'JPEG',
        '.jpeg': 'JPEG',
        '.png': 'PNG',
        '.gif': 'GIF',
        '.bmp': 'BMP',
        '.webp': 'WebP',
    }
    return ext_to_format.get(ext, 'Unknown')

print(guess_format_by_extension(file_path))

輸出: JPEG

優(yōu)點(diǎn)

• 無需讀取文件內(nèi)容，速度最快。
• 不需要額外安裝庫。

缺點(diǎn)

• 完全依賴文件名，易被偽造。
• 無法識(shí)別無擴(kuò)展名的文件。

方法二：使用mimetypes模塊（同樣基于擴(kuò)展名）

Python標(biāo)準(zhǔn)庫的mimetypes模塊可以根據(jù)擴(kuò)展名猜測(cè)MIME類型，但本質(zhì)還是依賴擴(kuò)展名。

代碼示例

import mimetypes

mime_type, _ = mimetypes.guess_type(file_path)

print(mime_type)

輸出：image/jpeg

優(yōu)點(diǎn)

• 標(biāo)準(zhǔn)庫，無需安裝。
• 能返回標(biāo)準(zhǔn)MIME類型（如image/jpeg）。

缺點(diǎn)

• 依然依賴文件名，不讀取文件內(nèi)容。
• 對(duì)未知擴(kuò)展名返回None。

方法三：使用python-magic（讀取文件內(nèi)容，準(zhǔn)確度高）

python-magic是libmagic庫的Python綁定，它能根據(jù)文件內(nèi)容識(shí)別MIME類型，是Linux file命令的底層實(shí)現(xiàn)。這是最可靠的方案之一。

安裝

Linux和MacOS系統(tǒng)應(yīng)該可以直接安裝：

pip install python-magic

Windows系統(tǒng)上缺少libmagic的DLL，有兩種解決方案，一是直接安裝python-magic-bin，包含了所需DLL：

pip install python-magic-bin

另一種解決方案是安裝libmagic的DLL，谷歌搜索建議用vcpkg安裝，我沒試過：

vcpkg install libmagic

代碼示例

import magic

def guess_format_with_magic(file_path):
    with open(file_path, 'rb') as f:
        file_data = f.read(2048)
    mime_type = magic.from_buffer(file_data, mime=True)
    return mime_type

print(guess_format_with_magic(file_path))

輸出：image/jpeg

這里只讀了前2048個(gè)字節(jié)是因?yàn)閴蜃R(shí)別文件格式了。如果文件較大，可以適當(dāng)增加讀取的字節(jié)數(shù)（如 8192），但 2048 對(duì)常見圖片、文檔等已經(jīng)足夠。

這里是先讀取文件內(nèi)容為流，然后再調(diào)用python-magic。另外還有一個(gè)接口是magic.from_file(filename, mime=True)，如果直接傳入字符串格式的文件路徑，文件路徑帶中文時(shí)會(huì)報(bào)錯(cuò)。當(dāng)路徑是純英文時(shí)就可以用：

import magic

print(magic.from_file("p1.jpg", mime=True))

輸出也是：image/jpeg

優(yōu)點(diǎn)

• 真正基于文件內(nèi)容，準(zhǔn)確度極高。
• 能夠識(shí)別絕大多數(shù)文件格式（不僅是圖片）。
• 返回標(biāo)準(zhǔn)的MIME類型，便于程序處理。

缺點(diǎn)

• 需要安裝第三方庫，且依賴libmagic。
• 跨平臺(tái)配置稍復(fù)雜（Windows需額外步驟）。

方法四：手動(dòng)檢查文件頭（魔數(shù)，Magic Number）

每種文件格式通常在文件開頭有特定的標(biāo)識(shí)字節(jié)（魔數(shù)）。例如：

• JPEG：以FF D8 FF開頭
• PNG：以\x89PNG\r\n\x1a\n開頭
• GIF：以GIF87a或GIF89a開頭
• BMP：以BM開頭

我們可以讀取文件前幾個(gè)字節(jié)，與已知魔數(shù)對(duì)比。

代碼示例

def check_image_format(file_path):
    with open(file_path, 'rb') as f:
        header = f.read(12)  # 讀取前12字節(jié)通常足夠判斷常見圖片格式

    if header.startswith(b'\xff\xd8\xff'):
        return 'JPEG'
    elif header.startswith(b'\x89PNG\r\n\x1a\n'):
        return 'PNG'
    elif header.startswith(b'GIF87a') or header.startswith(b'GIF89a'):
        return 'GIF'
    elif header.startswith(b'BM'):
        return 'BMP'
    elif header.startswith(b'RIFF') and header[8:12] == b'WEBP':
        # WebP 格式檢查（簡化版）
        return 'WebP'
    else:
        return 'Unknown'

print(check_image_format(file_path))

輸出：JPEG

優(yōu)點(diǎn)

• 純Python實(shí)現(xiàn)，無需外部庫。
• 速度快，只讀取少量字節(jié)。
• 可控性強(qiáng)，可自定義魔數(shù)表。

缺點(diǎn)

• 需要維護(hù)魔數(shù)列表，可能遺漏某些變種或新格式。
• 某些格式的魔數(shù)可能重疊，需要更復(fù)雜的判斷。
• 僅靠前幾個(gè)字節(jié)有時(shí)無法區(qū)分同一大類下的子類型（如JPEG 2000）。

方法五：針對(duì)圖像：利用圖像處理庫（如Pillow）嘗試打開

如果能用Pillow庫成功打開文件并讀取格式，說明它是一個(gè)可識(shí)別的圖片。這種方法不僅能判斷是不是圖片，還能獲取尺寸、模式等元信息。

安裝

pip install Pillow

代碼示例

from PIL import Image

def guess_format_with_pillow(file_path):
    try:
        with Image.open(file_path) as img:
            return img.format  # 返回 'JPEG', 'PNG' 等
    except Exception:
        return None  # 無法打開，不是圖片或文件損壞

輸出：JPEG

優(yōu)點(diǎn)

• 專門針對(duì)圖片，不僅能判斷格式，還能驗(yàn)證圖片是否完整。
• 返回的格式名稱標(biāo)準(zhǔn)，且支持多種圖片格式。
• 可進(jìn)一步獲取圖片信息。

缺點(diǎn)

• 僅適用于圖片，無法判斷其他類型文件。
• 需要讀取整個(gè)文件頭甚至部分?jǐn)?shù)據(jù)，速度稍慢（但通常可接受）。
• 如果文件損壞，可能引發(fā)異常（這本身也是一種判斷方式）。

方案對(duì)比總結(jié)

實(shí)踐建議

• 如果你需要通用、準(zhǔn)確的文件類型識(shí)別（不限于圖片），首選python-magic。
• 如果項(xiàng)目僅處理圖片，且需驗(yàn)證文件有效性，Pillow是絕佳選擇。
• 在資源受限或無第三方庫的環(huán)境中，可以手動(dòng)實(shí)現(xiàn)魔數(shù)檢查，但務(wù)必覆蓋常見格式。
• 永遠(yuǎn)不要單純依賴文件擴(kuò)展名，尤其是在安全敏感的場(chǎng)景（如上傳頭像）。

結(jié)語

判斷文件格式是文件處理的基礎(chǔ)，Python提供了多種靈活的方式。從簡單的擴(kuò)展名到基于內(nèi)容的魔數(shù)識(shí)別，再到成熟的第三方庫，開發(fā)者可以根據(jù)項(xiàng)目的具體需求權(quán)衡準(zhǔn)確性、性能和依賴。希望本文的梳理能幫助你選擇合適的方案，寫出更健壯的代碼。

在實(shí)際應(yīng)用中，建議將文件內(nèi)容識(shí)別作為首要手段，并將擴(kuò)展名作為一種輔助驗(yàn)證或默認(rèn)提示。畢竟，真實(shí)的內(nèi)容比名字更值得信任。

到此這篇關(guān)于使用Python判斷一個(gè)文件格式的多種實(shí)現(xiàn)方案的文章就介紹到這了,更多相關(guān)Python判斷文件格式內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論