C# Winform如何不依赖扩展名、通过文件数据识别真实文件类型

1 首个Mime-Detective库调用错误修复 #

你当前的错误原因是未通过ContentInspectorBuilder生成实际检测实例，直接将builder实例传入检测方法导致功能失效，修复后的核心代码如下：

// 类内新增ContentInspector实例字段
private ContentInspector inspectorInstance;

// 构造函数里补Build逻辑
public Form1()
{
    InitializeComponent();
    openFile = new OpenFileDialog();
    var inspectorBuilder = new ContentInspectorBuilder()
    {
        Definitions = new MimeDetective.Definitions.ExhaustiveBuilder()
        {
            UsageType = MimeDetective.Definitions.Licensing.UsageType.PersonalNonCommercial
        }.Build()
    };
    // 提前构建检测实例，避免每次检测重复构建损耗性能
    inspectorInstance = inspectorBuilder.Build();
}

private String findFileType(String path)
{
    var content = ContentReader.Default.ReadFromFile(path);
    var results = inspectorInstance.Inspect(content);
    // 取匹配优先级最高的后缀，处理无匹配的空值情况
    return results.ByFileExtension().FirstOrDefault()?.Extension ?? "未知格式";
}

注意：商业使用需确认该库的授权条款

2 第二个Mime-Detective库崩溃与识别失败修复 #

2.1 崩溃问题修复 #

崩溃是因为未释放文件流，且没有处理空识别结果导致的空引用异常，修复后的代码如下：

private String findFileType(String path)
{
    // using语法会在代码块结束后自动释放文件流，避免资源占用
    using Stream fileDataStream = File.Open(path, FileMode.Open, FileAccess.Read);
    FileType fileType = fileDataStream.GetFileType();
    // 空值判断避免空引用崩溃
    return fileType?.Extension ?? "未知格式";
}

2.2 低识别率问题修复 #

xml、htm这类纯文本类文件没有固定的魔术数字头，仅靠魔数检测的库天然识别率低，可补充以下逻辑：

• 读取文件前100个字符，判断是否包含<?xml、<html、<!DOCTYPE html等特征串，对应标记为xml、html格式
• 手动补全缺失的格式规则：比如flac文件头4个字节为fLaC，可在库的格式规则列表中手动添加该规则

3 更稳定的替代实现方案 #

3.1 Windows原生方案 #

调用系统自带的Urlmon.dll中FindMimeFromData方法，无第三方依赖，兼容性好，核心实现如下：

// 引入系统API
[DllImport("urlmon.dll", CharSet = CharSet.Auto)]
private static extern int FindMimeFromData(IntPtr pBC,
    [MarshalAs(UnmanagedType.LPWStr)] string pwzUrl,
    [MarshalAs(UnmanagedType.LPArray, ArraySubType=UnmanagedType.I1, SizeParamIndex=3)] byte[] pBuffer,
    int cbSize,
    [MarshalAs(UnmanagedType.LPWStr)] string pwzMimeProposed,
    int dwMimeFlags,
    out IntPtr ppwzMimeOut,
    int dwReserved);

调用后获取MIME类型，再映射为对应文件后缀即可。

3.2 跨平台方案 #

采用基于通用magic识别数据库的开源实现，支持全平台运行，覆盖的格式类型更多，对纯文本、音视频格式的识别准确率远高于普通魔数检测库。

内容的提问来源于stack exchange，提问作者CephDigital