如何检测用户上传的是1C导出的新xls文件而非修改后的旧文件

可选检测方案 #

1. 基于1C导出文件的固有特征校验 #

1C导出的xls/xlsx文件有固定生成规则，手动修改保存后会破坏这些特征，完全可以通过JS直接读取判断，无需访问用户本地文件系统：

• 校验文件元数据：用xlsx等前端处理库读取文件内置元信息，1C导出的文件创建者、生成应用程序字段都会带1C:Enterprise相关的固定标识，用户用本地Excel/WPS修改保存后，这些字段会被替换成本地账号名、Microsoft Excel等非1C的标识，只要匹配不到固定标识即可判定为修改过的旧文件。
• 定制导出标识：要求1C导出库存文件时，在隐藏单元格、隐藏Sheet或者文件自定义属性中写入每次导出的唯一时间戳/流水号，用户手动修改旧文件时基本不会注意到这些隐藏内容，一旦校验不到合法的标识，或者标识属于已经校验过的历史批次，直接拦截。
• 校验固定结构：1C导出的库存表一般有固定的表头顺序、隐藏备注行、固定Sheet名，手动修改过的文件大概率会破坏这些结构，匹配失败即可判定为非官方导出文件。

2. 后端留存历史特征比对 #

每次用户上传文件后，后端留存该文件的特征值，二次上传时直接校验：

• 首次上传错误文件时，后端计算文件哈希值（MD5/SHA256均可）存储，用户后续上传时先计算新文件的哈希，和历史错误文件的哈希匹配，命中就直接提示必须从1C重新导出。
• 如果担心用户修改部分内容导致哈希变化，可以专门提取1C导出时自带的全局唯一字段做比对，比如导出时间、导出批次号，只要这个字段属于已经反馈过错误的历史批次，就判定为旧文件。

3. 最后修改时间辅助校验 #

虽然拿不到文件创建时间，但可以结合业务逻辑用JS能拿到的最后修改时间做辅助判断：

• 你给用户反馈错误的时间点会存在后端，用户修改数据库后重新导出的文件，最后修改时间必然晚于错误反馈时间，如果上传文件的最后修改时间早于这个时间点，直接判定为旧文件。
• 补充限制：要求用户导出文件后10分钟内上传，正常导出上传的时间差不会超过这个范围，进一步降低误判概率。

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