如何通过文件头签名（魔数）实现无需手动指定的自动文件类型检测

• 无需硬编码指定待校验的文件类型，改为遍历内置的所有魔数规则逐一匹配
• 支持从命令行传入待检测的文件路径，不需要修改代码就能检测不同文件
• 对同魔数的多类文件，会返回所有匹配的候选类型列表

import sys

# 魔数配置可自行扩展
magic_numbers = {'png': bytes([0x89, 0x50, 0x4E, 0x47, 0x0D, 0x0A, 0x1A, 0x0A]),
                 'jpg': bytes([0xFF, 0xD8, 0xFF, 0xE0]),
                 #*********************#
                 'doc': bytes([0xD0, 0xCF, 0x11, 0xE0, 0xA1, 0xB1, 0x1A, 0xE1]),
                 'xls': bytes([0xD0, 0xCF, 0x11, 0xE0, 0xA1, 0xB1, 0x1A, 0xE1]),
                 'ppt': bytes([0xD0, 0xCF, 0x11, 0xE0, 0xA1, 0xB1, 0x1A, 0xE1]),
                 #*********************#
                 'docx': bytes([0x50, 0x4B, 0x03, 0x04, 0x14, 0x00, 0x06, 0x00]),
                 'xlsx': bytes([0x50, 0x4B, 0x03, 0x04, 0x14, 0x00, 0x06, 0x00]),
                 'pptx': bytes([0x50, 0x4B, 0x03, 0x04, 0x14, 0x00, 0x06, 0x00]),
                 #*********************#
                 'pdf': bytes([0x25, 0x50, 0x44, 0x46]),
                 #*********************#
                 'dll': bytes([0x4D, 0x5A, 0x90, 0x00]),
                 'exe': bytes([0x4D, 0x5A]),
                 }

max_read_size = max(len(m) for m in magic_numbers.values())

def get_file_type(file_path):
    try:
        with open(file_path, 'rb') as fd:
            file_head = fd.read(max_read_size)
    except Exception as e:
        return f"读取文件失败：{str(e)}"
    matched_types = []
    for ext, magic in magic_numbers.items():
        if file_head.startswith(magic):
            matched_types.append(ext)
    if matched_types:
        return f"匹配到的文件类型：{', '.join(matched_types)}"
    else:
        return "未知文件类型"

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print("使用方式：python 脚本名.py 待检测文件路径")
        sys.exit(1)
    print(get_file_type(sys.argv[1]))

• 保存代码为file_type_detector.py
• 命令行执行：python file_type_detector.py 你要检测的文件路径
• 执行后会直接输出匹配的文件类型

• doc/xls/ppt、docx/xlsx/pptx的魔数完全一致，仅通过魔数无法区分具体类型，若需要精确识别需要额外解析文件内部结构
• 可自行在magic_numbers字典中新增其他文件类型的魔数规则，扩展支持的检测范围

内容的提问来源于stack exchange，提问作者Alya Mad