我正在寻找一种新的文件格式规范，规范说明文件可以是基于xml的，也可以是一个包含xml文件和其他文件的zip文件。
两种情况下的文件扩展名相同。有哪些方法可以测试文件以决定是否需要解压缩还是直接读取？
9个回答
31
ZIP文件格式是由PKWARE定义的。你可以在这里找到他们的文件规范。
在文档的最上面，你将会找到头部规范:
A. 本地文件头：
根据这段内容，可以看出文件头的前4个字节应该是文件签名，其十六进制值应为0x04034b50。文件中的字节顺序相反 - PKWARE指定“所有值都存储在小端字节顺序中，除非另有说明。”因此，如果您使用十六进制编辑器查看文件，则会看到50 4b 03 04作为前4个字节。 您可以使用这个方法来检查文件是否为zip文件。如果您在记事本中打开文件，您会注意到前两个字节（50和4b）是ASCII字符PK。local file header signature 4 bytes (0x04034b50) version needed to extract 2 bytes general purpose bit flag 2 bytes compression method 2 bytes last mod file time 2 bytes last mod file date 2 bytes crc-32 4 bytes compressed size 4 bytes uncompressed size 4 bytes file name length 2 bytes extra field length 2 bytes file name (variable size) extra field (variable size)
- Simon P Stevens
14
4ZIP文件格式在不同的供应商之间并没有变化。它最初由PKWARE定义，但现在许多其他供应商都支持相同的压缩格式。该格式在头部指定了PK，因此即使是其他供应商也将包括头部的这一部分。不同的文件格式（如arc、7z、lhz、gzip等）将具有不同的规范和不同的头部，但ZIP文件始终会在头部中包含这个信息。 - Simon P Stevens
6如果你的系统是小端字节序，那么文件中的字节顺序将相反。 - Steve Jessop
1@Steve：是的，我澄清了。PKWARE在格式中指定小端序。 - Simon P Stevens
从技术上讲，根据Cheeso的评论，这个答案是不正确的。为了符合规范，您必须扫描文件以查找中央目录结束（EoCD）标记。规范绝不会阻止存档软件在本地文件头之前或之后插入任意数据。像您建议的那样扫描本地文件头的文件容易出错，除非尝试从损坏的存档中恢复数据。这进一步复杂化了EoCD头部末尾存在可变长度注释的情况。老实说，ZIP是一个设计不良且过时的格式。 - Dan Bechard
有关这个令人烦恼的难题的更多信息，请参见https://github.com/thejoshwolfe/yauzl/issues/48#issuecomment-266587526。 - Dan Bechard
显示剩余9条评论
12
你可以查看文件的魔数（magic number）。ZIP归档文件的魔数列在ZIP格式维基百科页面上： PK\003\004 或 PK\005\006。
- Amber
3
是的，但是让提问者知道... '有效的魔数'并不能保证文件不损坏或类型错误。 - KMån
2确实。但是，如果他们的问题只是区分两个有效格式，那么魔数就是最好的选择。 - Amber
1一个zip文件没有固定的魔数。通常，zip文件以这些序列开头，但并不是每个zip文件都是这样。 - Cheeso
1
虽然不是一个好的解决方案，但只是随便想一下...怎么样：
try
{
LoadXmlFile(theFile);//Exception if not an xml file
}
catch(Exception ex)
{
LoadZipFile(theFile)
}
- KMån
2
我投了赞成票，但个人不喜欢使用try catch来控制程序。我正在寻找更精确的测试方法。不过还是感谢你的建议。 - Phil Hannent
我同意 - 一般的程序流程中不应该使用try/catch（它会使程序变慢几个数量级，而且从哲学上讲，就像是在黑板上刮指甲）。 - Contango
1
检查文件的前几个字节，查看魔数。Zip文件以PK（50 4B）开头。由于XML文件不能以这些字符开头并仍然有效，因此您可以相当确定文件类型。
- Yacoby
3
2压缩文件没有魔数。如果维基百科说或暗示有，那是错误的。 - Cheeso
3@Cheeso 是的，有的。请阅读格式 http://www.pkware.com/documents/casestudies/APPNOTE.TXT 并注意“本地文件头标记”及其定义值。 - Yacoby
2我理解你从文本中读出的想法，但那是不正确的。虽然文本有些模糊，但实际上并没有所谓的魔数。http://en.wikipedia.org/wiki/ZIP_(file_format)以及实践经验表明，你在假设一个魔数时对规范的解释是错误的。请查看WinZip或Infozip生成的自解压缩归档文件。它既是PE-COFF文件又是zip文件。它使用MZ魔数，但可以被兼容的ZIP工具读取为zip文件。 - Cheeso
1
为了澄清，它以50 4b 03 04开头。
请参见http://www.pkware.com/documents/casestudies/APPNOTE.TXT（来自Simon P Stevens）
- RvdK
1
3是的，有一个神奇数字：zip文件以PK（50 4B 03 04）开头。 - RvdK
0
您可以尝试解压缩它——XML 文件极不可能是有效的 zip 文件，或者可以像其他人所说的那样检查魔数。
- Dominic Rodger
0
这取决于你使用的是什么，但 zip 库可能有一个函数来测试文件是否为 zip 文件，像 is_zip、test_file_zip 或其他类似的函数。
或者通过使用上面给出的魔数创建自己的函数。
- solsTiCe
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接