Python 从二进制数据识别不带扩展名的文件的类型

我有一些没有扩展名的文件。我想将扩展与它们关联。为此，我编写了一个python程序来读取文件中的数据。我的疑问是，如果不使用第三方工具，如何在没有扩展的情况下识别其类型

我必须确定一个pdf，文档和文本文件只。其他类型的文件是不可能的

---

我的服务器是cent os

你还没有说你的操作系统是什么。如果是基于*nix的，那么libmagic周围有一个python包装器（使用ctypes），它使用与

file

命令相同的底层机制，该命令可以通过检查内容来识别没有扩展名的文件。或者，只需检查libmagic如何使用文件定义，并确定它如何识别两种主要文件类型（doc、pdf），剩下的所有内容都必须是文本；-）并扩展现有代码。

您可以读取文件的前几个字节并查找“幻数”。on魔术数字表明PDF文件以ASCII

%PDF

开头，而doc文件以十六进制D0 CF 11 E0开头

---

在一般情况下，识别文本文件是相当困难的，因为许多标准幻数实际上是二进制文件开头的ASCII文本。就您的情况而言，如果您可以保证除了PDF、DOC或TXT之外不会得到任何东西，那么您可能会通过检查PDF和DOC幻数，然后假设它是文本（如果不是这两个数字）。

PDF文档以%PDF版本号开始，但是其中一些可以被完全压缩。

在阅读文档时，我得到了这个ÐÏa“，你知道吗？这似乎是十六进制D0 CF 11 E0，被解释为字符串。（注意，DOC文件的神奇数字是原始十六进制字节，而不是字符串。你应该以二进制模式读取文件。）好的，我明白了，我明白了。我需要读取数据并使用ord（）将其转换为int，然后再转换为hex，对吗？您需要读取文件的前四个字节。如果以二进制形式读取，则应该能够将这些字节直接与字节字符串

b“\xD0\xCF\x11\xE0”

进行比较。