python使用magic模块进行文件类型识别

python-magic是libmagic文件类型识别库的python接口。 libmagic通过根据预定义的文件类型列表检查它们的头文件来识别文件类型。 这个功能通过Unix命令文件暴露给命令行。

安装magic

pip install python-magic 
pip install python-magic-bin

# encoding=utf-8
import magic #pip install python-magic python-magic-bin


type_info = magic.from_file("./data/123.pdf")
print('file_type: %s' % type_info)#file_type: PDF document, version 1.6

type_info = magic.from_buffer(open("./data/123.pdf",'rb').read(1024))
print('file_type: %s' % type_info)#file_type: PDF document, version 1.6

type_info = magic.from_file("./data/123.pdf", mime=True)
print('file_type: %s' % type_info)#file_type: application/pdf

还有一个Magic类提供更直接的控制，包括覆盖魔术数据库文件并开启字符编码检测。 这不建议用于一般用途。 特别是，跨多个线程共享并不安全，如果尝试这样做会失败。

f = magic.Magic(uncompress=True)
type_info =f.from_file('./data/123.docx')
print('file_type: %s' % type_info)#file_type: Microsoft Word 2007+
type_info =f.from_file('./data/123.pdf')
print('file_type: %s' % type_info)#file_type: PDF document, version 1.6

还可以结合标志选项：

f = magic.Magic(mime=True, uncompress=True)
type_info =f.from_file('./data/123.docx')
print('file_type: %s' % type_info)#file_type: application/vnd.openxmlformats-officedocument.wordprocessingml.document
type_info =f.from_file('./data/123.pdf')
print('file_type: %s' % type_info)#file_type: application/pdf