Django python-magic 将上传的ppt、docx、word文件识别为 'application/zip'

Question

我正在尝试识别上传文件的文件类型，经过搜索，我打算使用 python-magic 来检查文件的 mime 类型。

FileField 在我的模型中使用，ModelForm 用于帮助保存文件。

所有文件上传后，我在 python shell 中检查 mime 类型

我发现使用

magic.from_file("path_to_the_file", mime=True)

将为已保存的图像、txt、pdf 文件提供预期的 mime 类型。

但是，对于所有的 docx、ppt、excel 文件，它会将它们识别为 'application/zip'

谁能解释为什么会这样(django 自动将 ms 文件保存为 zip 文件？？)。有没有什么好的方法可以让魔术按原样识别docx、ppt、excel文件？

非常感谢。

Answer 1

我最近也遇到了这个问题。 Python-magic 使用 Unix 命令 file，它使用数据库文件来识别文档(参见 man file)。默认情况下，此数据库不包含有关如何识别 .docx、.pptx 和 .xlsx 文件类型的说明。

您可以向 file 命令提供额外信息，以通过向/etc/magic 添加指令来识别这些类型(参见 https://serverfault.com/a/377792)。

这应该可以工作:

magic.from_file("path_to_the_file.docx", mime=True)

返回 'application/vnd.openxmlformats-officedocument.wordprocessingml.document'

GitHub 上的 python-magic 使用说明中需要注意的一件事 - 这似乎不适用于 .docx、.pptx 和 .xlsx 文件类型(附加信息在/etc/magic 中):

magic.from_buffer(open("testdata/test.pdf").read(1024), mime=True)

返回'application/zip'

看来您需要为其提供更多数据才能正确识别这些文件类型:

magic.from_buffer(open("testdata/test.pdf").read(2000), mime=True)

返回 'application/vnd.openxmlformats-officedocument.wordprocessingml.document'

我不确定所需的确切数量。