PDF 和 DOCX 魔数(Magic Number)

Question

我读取第一个字节以区分文件类型，但 PDF 和 DOCX 都有一个“0x50”魔数(Magic Number)。我该如何处理这种情况？

Answer 1

PDF 文件没有以“魔法”字节开头。如果您阅读 PDF 规范，您会发现它们必须以“%PDF”开头，但实际上许多 PDF 文件不是这样。

1) 仅寻找 %PDF header 来识别 PDF 文件是非常不可靠的，有效的 PDF 文件是您可以解析的文件(至少具有预告片、交叉引用表等)。

2) 曾经有人建议 PDF 文件在 %PDF header 之前包含二进制数据，以确保它们被视为二进制文件。结果，PDF 阅读器一度开始在 %PDF header 之前接受一定数量的二进制字节(随机字节)。此类文件无法通过简单的魔数(Magic Number)或魔数(Magic Number)串检测到。