获取文件类型不使用文件扩展名 c#答案

【问题标题】：Get file type not using the file extension c#获取文件类型不使用文件扩展名 c#
【发布时间】：2019-02-06 13:57:35
【问题描述】：

我知道以前有人问过这个问题，但是这两种解决方案都不适合我。我想知道上传到我的服务器（通过 .ashx）的文件是 .xlsx、.xls 还是 .csv 类型。

我尝试使用here 列出的幻数，但如果我将 .msi 的扩展名更改为 .xls，文件将被识别为 .xls... 以下代码说明了我所说的：

private bool IsValidFileType(HttpPostedFile file)
{
    using (var memoryStream = new MemoryStream())
    {
        file.InputStream.CopyTo(memoryStream);
        byte[] buffer = memoryStream.ToArray();

        //Check exe and dll
        if (buffer[0] == 0x4D && buffer[1] == 0x5A)
        {
            return false;
        }

        //Check xlsx
        if (buffer.Length >= 3 &&
            buffer[0] == 0x50 && buffer[1] == 0x4B &&
            buffer[2] == 0x03 && buffer[3] == 0x04 ||
            buffer[0] == 0x50 && buffer[1] == 0x4B &&
            buffer[2] == 0x05 && buffer[3] == 0x06)
        {
            return true;
        }

        //Check xls
        if (buffer.Length >= 7 &&
            buffer[0] == 0xD0 && buffer[1] == 0xCF &&
            buffer[2] == 0x11 && buffer[3] == 0xE0 &&
            buffer[4] == 0xA1 && buffer[5] == 0xB1 &&
            buffer[6] == 0x1A && buffer[7] == 0xE1)
        {
            return true;
        }

        return false;
    }
}

然后我尝试使用urlmon.dll，如下所示，但它仍将文件识别为 .xls

    [DllImport("urlmon.dll", CharSet = CharSet.Unicode, ExactSpelling = true, SetLastError = false)]
    static extern int FindMimeFromData(
        IntPtr pBC,
        [MarshalAs(UnmanagedType.LPWStr)] string pwzUrl,
        [MarshalAs(UnmanagedType.LPArray, ArraySubType=UnmanagedType.I1, SizeParamIndex=3)] byte[] pBuffer,
        int cbSize,
        [MarshalAs(UnmanagedType.LPWStr)] string pwzMimeProposed,
        int dwMimeFlags,
        out IntPtr ppwzMimeOut,
        int dwReserved);

    public static string GetMimeFromFile(string file)
    {
        if (!File.Exists(file))
            throw new FileNotFoundException(file + " not found");

        int MaxContent = (int)new FileInfo(file).Length;
        if (MaxContent > 4096) MaxContent = 4096;
        FileStream fs = File.OpenRead(file);


        byte[] buf = new byte[MaxContent];
        fs.Read(buf, 0, MaxContent);
        fs.Close();
        int result = FindMimeFromData(IntPtr.Zero, file, buf, MaxContent, null, 0, out IntPtr mimeout, 0);

        if (result != 0)
            throw Marshal.GetExceptionForHR(result);
        string mime = Marshal.PtrToStringUni(mimeout);
        Marshal.FreeCoTaskMem(mimeout);
        return mime;
    }

我在想也许我应该尝试使用某些库打开上传的文件，例如 ExcelDataReader，但我不确定这是否是最好的方法。

任何帮助将不胜感激。

【问题讨论】：

为什么不能检查扩展名然后验证适当的魔术字节？（尽管后者不适用于 csv）
只是为了清楚起见：是否足以检测文件是否不是扩展名所说的应该是什么，或者您实际上需要检测它是什么类型的文件是否完全不考虑扩展？
@AlexK。我目前正在这样做，但是，如果我有一个 .msi 文件，然后将其扩展名更改为 .xls，即使我检查了适当的魔术字节，结果仍然是相同的（似乎 .msi 头字节与.xls)
@Fildor 我无法信任文件扩展名，因为用户可以上传带有 .xls 扩展名的 .msi
是的，我明白了。所以你只需要“欺诈检测”。如果实际文件类型 != ext 文件类型，取消操作并返回错误是可以的，对吧？

标签： c# excel mime-types mime

【解决方案1】：

EPPlus 或 Interop 的 Excel 文件如何打开，如果不是 Excel 文件则捕获异常

FileInfo fileInfo = new FileInfo(filePath);
ExcelPackage package = null;
try
{
    package = new ExcelPackage(fileInfo);
}
catch(Exception exception)
{
}

或者有一个3rd party（未测试）来验证文件的类型。

FileInfo file = new FileInfo("C:\Hello.pdf");
if ( file.isExcel())
    Console.WriteLine("File is PDF");

【讨论】：

打开文件并捕获异常会非常慢。
@CodingYoshi 首先，我们讨论的是用户提供无效文件的极端情况。所以抛出和处理异常是正确的做法。此外，代码是明确的，它清楚地显示了一个无效的状态，这更便于维护。另外，我认为您对异常有一些预先判断，这不像您将它们扔进一个循环之类的......您实际上会在上传的执行中增加几毫秒，这是您对极端的定义吗？
@marioz 我对异常没有预判，并且理解它不会增加很多时间。它正在打开文件，这将非常耗时。例外将增加这一点。如果用户正在添加多个文件并且您打开每个文件进行验证，那肯定会很慢。去试试吧。我的评论是提醒和仅供参考。
@CodingYoshi 只是打开文件的流根本不费时间。执行取决于您正在使用它做什么，例如是否计划读取整个文件？如果是这样，那么是的，当然会有一些处罚。
我最终使用了你发布的第三方库的一个分支 link 并且它工作得很好

【解决方案2】：

文件本身就是数据。文件扩展名允许您的系统相应地解释该数据。如果没有文件扩展名，就无法绝对确定您正在查看的文件类型。（除非您使用的是有限的文件类型子集）

但是，您可以从数据中推断出它可能是哪个文件扩展名。 Thierry V 引用的项目已过时且未得到维护。

您可能希望查看像 TrID 这样的工具，它使用不断增长的文件类型库。该工具将分析文件并给出最可能的文件类型的排名。就像我之前说的，它只能有限地告诉你它可能是哪种文件类型。

【讨论】：

【解决方案3】：

我尝试使用此处列出的幻数，但如果我将 .msi 的扩展名更改为 .xls，该文件将被识别为 .xls... 以下代码说明了我所说的：

是的，您在检查文件签名时唯一可以确定的是文件所基于的格式。因此，对于“.xls”文件，您将检测到该文件是复合二进制格式。但是，正如您注意到的，这种格式用于“.msi”文件，但也用于“.doc”、“.ppt”等。

此外，您的“.xlsx”检测也是如此，它只是检查文件是否为 zip 格式，并且将在“.zip”、“.docx”、“.ods”中找到相同的签名"等。

所以，您可以检查文件的签名并传递这两种格式的文件，但是“.csv”呢？在这里，您可以有各种字节值，因为它只是一个纯文本，没有签名。

无论如何，我认为真正的问题是您对这些 Excel 文件的目标是什么？您需要进一步处理它们还是什么？
如果您需要进一步处理它们，那么您应该依赖正在读取该文件的失败机制。因此，无论您选择哪个库来读取文件，很可能都会因为文件的“无法识别的格式”或“无法识别的结构”而引发异常。

我所说的“无法识别的结构”是指，例如在“.xls”文件中，它应该有名为“Workbook”、“SummaryInformation”等的流。

【讨论】：