如何使用Python27提取.msi格式文件的图标

根因说明 #

此前使用msilib认为其仅支持MSI创建的核心原因，是该库的设计定位以简化MSI包生成流程为主，读取相关接口仅做了Windows Installer数据库的底层绑定，没有封装便捷的查询、二进制读取工具方法，才会给用户造成不支持读取的感知。实际上Python2.7自带的msilib完整绑定了Windows Installer的数据库操作接口，只要按照MSI内部的系统表结构编写对应查询语句，即可完成全量信息读取。

环境准备 #

• 无需引入大型第三方依赖，Python2.7自带的msilib库即可覆盖90%以上的常规MSI读取场景
• 遇到复杂结构MSI打开报错的兼容问题，安装适配Python2.7的olefile版本：pip install olefile==0.46，该版本是最后一个完整支持Python2.7的olefile发行版，可辅助修复部分特殊打包MSI的OLE结构读取异常

基础信息提取实现 #

MSI的产品名称、版本、厂商等核心元信息，全部存储在Property系统表中，通过标准SQL查询即可获取，核心代码逻辑：

import msilib
# 以只读模式打开MSI，不开启写权限避免修改原文件
db = msilib.OpenDatabase(r"C:\path\to\your.msi", msilib.MSIDBOPEN_READONLY)
# 打开属性表查询视图
cursor = db.OpenView("SELECT Property, Value FROM Property")
cursor.Execute(None)
# 遍历查询结果存储为字典
msi_metadata = {}
record = cursor.Fetch()
while record:
    prop_key = record.GetString(1)
    prop_val = record.GetString(2)
    msi_metadata[prop_key] = prop_val
    record = cursor.Fetch()
# 可直接读取常见字段：ProductName、ProductVersion、Manufacturer、ProductCode等

内嵌图标提取实现 #

MSI内的所有图标资源全部存储在Icon系统表中，表内的Data字段直接保存了完整的ICO格式二进制内容，提取时需要特别注意二进制流的读取方式，避免编码转换损坏内容：

# 打开Icon表查询视图
icon_cursor = db.OpenView("SELECT Name, Data FROM Icon")
icon_cursor.Execute(None)
icon_record = icon_cursor.Fetch()
while icon_record:
    # 读取图标名称作为本地保存文件名
    icon_file_name = icon_record.GetString(1)
    # 按字段实际大小读取全量二进制流，禁止用字符串方法读取
    stream_len = icon_record.FieldDataSize(2)
    icon_binary = icon_record.ReadStream(2, stream_len)
    # 写入本地ico文件
    with open(f"./output/{icon_file_name}.ico", "wb") as f:
        f.write(icon_binary)
    icon_record = icon_cursor.Fetch()

关键注意事项 #

• 读取二进制流时必须使用ReadStream方法，禁止用GetString读取Data字段，会触发UTF-16编码转换直接损坏二进制内容
• 经过加密封装、自定义打包逻辑处理的特殊MSI包，无法通过标准数据库接口读取，需要先完成解密解包才能操作
• 不要使用zipfile等ZIP格式读取库解析MSI，MSI本质是OLE2复合文档结构，和ZIP格式无关联，常规解压库完全无法识别其内部结构

内容的提问来源于stack exchange，提问作者Crucian