如何区分 zip 档案中的 xlsx 和 docx 文件？答案

【问题标题】：How to distinguish xlsx and docx files from zip archives?如何区分 zip 档案中的 xlsx 和 docx 文件？
【发布时间】：2018-01-10 13:15:50
【问题描述】：

我有一个用例，我需要知道文件的文件类型以识别可执行文件（exe、安装程序等）、存档文件（zip、rar 等）并将其列入黑名单。因此依赖扩展名对我来说是不够的，因为文件的扩展名可以更改，但文件属性将保持不变。我尝试使用 linux 命令：

file --b filename

上述解决方案适用于除 .xlsx 和 .docx 文件之外的所有文件类型，因为该命令为 .xlsx 和 .docx 提供以下内容

压缩存档数据，至少 v2.0 才能提取

因此，我最终也将 .xlsx 和 .docx 文件列入了黑名单。

任何人都可以建议我一种方法来获取文件类型，而无需使用适用于 xlsx 和 docx 的扩展名。

【问题讨论】：

xlsx 文件和zip 文件具有完全相同的文件结构！！！ 唯一的区别是扩展名！不相信我？ - 重命名文件，然后打开它。所以不，除了查看扩展名之外，没有办法区分这些特定的“文件类型”。
无论如何，您在这里看到的概念是读取文件的 MIME-TYPE。有various libraries 这样做；您不需要进行外部系统调用。
@TomLord 所说的。这些文件遵循Office Open XML。 “[OOXML] 是由 Microsoft 开发的一种压缩的、基于 XML 的文件格式，用于表示电子表格、图表、演示文稿和文字处理文档。” 这种格式已经过标准化，允许读写这些文件Microsoft 以外的文档类型。在此标准之前，Microsoft 使用诸如 xls 和 doc 之类的专有二进制格式，这使得与非 Microsoft 用户共享文件变得更加困难。
可以找到合适的MIME类型Here

标签： ruby-on-rails ruby linux file

【解决方案1】：

您必须更新您的file 命令（或其magic 文件）。

最近的版本可以识别MSOOXML 文件：

$ file -b test.docx
Microsoft Word 2007+

$ file --version
file-5.32

【讨论】：

您分享的文件对我找到答案有很大帮助。升级文件命令也存在限制，因为它是在 RHEL7（托管应用程序的操作系统）上可用的最新版本。所以我不能使用这种方法，所以继续使用 Mimemagic。

【解决方案2】：

我使用Mimemagic Gem 并添加了自定义魔法（正如 Gem 所调用的那样）来识别 xlsx、docx 和 pptx 文件格式。这也不依赖于文件扩展名。

以下是我添加的魔法列表：

[['application/vnd.openxmlformats-officedocument.wordprocessingml.document.custom', [[0, "PK\x03\x04", [[30, '_rels/.rels', [[0..5000, 'word/']]]]]]],
['application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.custom', [[0, "PK\003\004", [[30, '_rels/.rels', [[0..5000, 'xl/']]]]]]],
['application/vnd.openxmlformats-officedocument.presentationml.presentation.custom', [[0, "PK\003\004", [[30, '_rels/.rels', [[0..5000, 'ppt/']]]]]]],['application/vnd.openxmlformats-officedocument.wordprocessingml.document.custom', [[0, "PK\x03\x04", [[30, 'word/']]]]],
['application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.custom', [[0, "PK\003\004", [[30, 'xl/']]]]],
['application/vnd.openxmlformats-officedocument.presentationml.presentation.custom', [[0, "PK\003\004", [[30, 'ppt/']]]]]].each do |magic|
  MimeMagic.add(magic[0], magic: magic[1])
end

【讨论】：