Ms word doc或docx：是否有安全的方法从'；请求'；在蟒蛇3中？

1） 如何区分doc和docx文件与请求

a） 例如，如果我有

url='https://www.iadb.org/Document.cfm?id=36943997'
r = requests.get(url,timeout=15)
print(r.headers['content-type'])

我明白了：

application/vnd.openxmlformats-officedocument.wordprocessingml.document

这个文件是docx

b） 如果我有

url='https://www.iadb.org/Document.cfm?id=36943972'
r = requests.get(url,timeout=15)
print(r.headers['content-type'])

我明白了

application/msword

这个文件是一个文档

2） 还有其他选择吗

---

3） 如果我将docx文件另存为doc，或者反之亦然，我可能会有识别问题（例如，转换为pdf？）？有什么最佳做法可以解决这个问题吗？

您得到的mime头似乎是正确的：

然而，发送软件只能根据用户选择的文件进行发送，而且仍然有很多人发送扩展名错误的文件。有些软件可以处理这个问题，而有些则不能。要查看此操作，请将PNG图像的名称改为以JPEG结尾。我只是在我的Mac上做了，Preview仍然可以打开它。当我按下⌘+我在Finder中看到它说它是一个JPEG文件，但在预览中打开时，它会被正确识别为一个“便携式网络图形”文件。（您的操作系统可能无法做到这一点。）

但下载文件后，即使作者的扩展名有误，也可以明确区分DOC和DOCX文件

文档文件以MicrosoftOLE头开始，这是一个相当复杂的结构。另一方面，DOCX文件是一种复合文件格式，包含许多较小的XML文件，使用标准的ZIP文件压缩一起压缩。因此，此文件类型始终以两个字符

PK

开头

此检查与Python 2.7和3.x兼容（只有一个需要

解码

）：

导入系统 如果len（sys.argv）==2： 打印（'测试文件：'+sys.argv[1]） 将open（sys.argv[1]，'rb'）作为testMe： startBytes=testMe.read（2）.decode（'latin1'）） 打印（起始字节） 如果startBytes=='PK'： 打印（'这是DOCX文档'） 其他： 打印（'这是一个文档'）

---

从技术上讲，对于任何不是以

PK

开头的文件，它都会自信地声明“这是一个DOC文档”，相反，对于任何压缩文件（甚至是恰好以这两个字符开头的纯文本文件），它都会说“这是一个DOCX文档”。因此，如果您根据此决定进一步处理该文件，您可能会发现它毕竟不是Microsoft Word文档。但至少您已经尝试了正确的解码器。

您得到的mime头似乎是正确的：

然而，发送软件只能根据用户选择的文件进行发送，而且仍然有很多人发送扩展名错误的文件。有些软件可以处理这个问题，而有些则不能。要查看此操作，请将PNG图像的名称改为以JPEG结尾。我只是在我的Mac上做了，Preview仍然可以打开它。当我按下⌘+我在Finder中看到它说它是一个JPEG文件，但在预览中打开时，它会被正确识别为一个“便携式网络图形”文件。（您的操作系统可能无法做到这一点。）

但下载文件后，即使作者的扩展名有误，也可以明确区分DOC和DOCX文件

文档文件以MicrosoftOLE头开始，这是一个相当复杂的结构。另一方面，DOCX文件是一种复合文件格式，包含许多较小的XML文件，使用标准的ZIP文件压缩一起压缩。因此，此文件类型始终以两个字符

PK

开头

此检查与Python 2.7和3.x兼容（只有一个需要

解码

）：

导入系统 如果len（sys.argv）==2： 打印（'测试文件：'+sys.argv[1]） 将open（sys.argv[1]，'rb'）作为testMe： startBytes=testMe.read（2）.decode（'latin1'）） 打印（起始字节） 如果startBytes=='PK'： 打印（'这是DOCX文档'） 其他： 打印（'这是一个文档'）

---

从技术上讲，对于任何不是以

PK

开头的文件，它都会自信地声明“这是一个DOC文档”，相反，对于任何压缩文件（甚至是恰好以这两个字符开头的纯文本文件），它都会说“这是一个DOCX文档”。因此，如果您根据此决定进一步处理该文件，您可能会发现它毕竟不是Microsoft Word文档。但至少你已经试过使用合适的解码器。

你还是要保存文件吗？在这种情况下，请看前两个字节。请注意，它不会告诉您该文档是否确实是有效文档或DOCX；它只会区分这两者。只有当您完全确定它是这两个文件中的一个时，这才有效。@usr2564301是的，如果它是一个doc或docx，但不是一个excel文件，我将下载它。我怎么做到的？我的意思是我必须自动完成！它们有很多文件。你还是要保存文件吗？在这种情况下，请看前两个字节。请注意，它不会告诉您该文档是否确实是有效文档或DOCX；它只会区分这两者。只有当您完全确定它是这两个文件中的一个时，这才有效。@usr2564301是的，如果它是一个doc或docx，但不是一个excel文件，我将下载它。我怎么做到的？我的意思是我必须自动完成！它们有很多文件。