การทำไฟล์ libmagic / file detect .docx


17

ตามที่เห็นในที่อื่น docx, xlsx และ pttx เป็น ZIPs เมื่ออัปโหลดไปยังเว็บแอปพลิเคชันของฉันfile(ผ่านlibmagicและpython-magic) ตรวจพบว่าเป็น ZIP

ฉันจัดเก็บเนื้อหาของไฟล์เป็นหยดในฐานข้อมูล แต่โดยธรรมชาติแล้วฉันไม่ต้องการที่จะเชื่อใจผู้ใช้ว่าเป็นประเภทไฟล์ประเภทใด ดังนั้นฉันต้องการที่จะเชื่อมั่นfileและสร้างชื่อไฟล์โดยอัตโนมัติในระหว่างการดาวน์โหลด

ฉันรู้ว่าสามารถแก้ไขได้/etc/magicแต่รูปแบบ ( magic(5)) นั้นซับซ้อนเกินไปสำหรับฉัน ฉันพบรายงานข้อผิดพลาดเกี่ยวกับปัญหาที่ข้อบกพร่องของ Debianแต่ตั้งแต่ปี 2008 ดูเหมือนว่าจะไม่ได้รับการแก้ไขตลอดเวลาในไม่ช้า

ฉันเดาทางเลือกอื่นของฉันเท่านั้นคือการเชื่อถือผู้ใช้แน่นอน (แต่ยังคงเก็บเนื้อหาเป็นหยด) และตรวจสอบเฉพาะนามสกุลไฟล์ตามชื่อไฟล์ วิธีนี้ฉันสามารถอนุญาตส่วนขยายบางส่วนและอนุญาตให้ผู้อื่นได้ และเมื่อผู้ใช้ทำการดาวน์โหลดไฟล์ของเขาอีกครั้งเขาสามารถทำได้ทุกอย่างที่เขาอัพโหลด แต่โซลูชันนี้ไม่ปลอดภัยหากไฟล์นั้นถูกแชร์กับผู้อื่นเนื่องจากคุณสามารถเปลี่ยนชื่อไฟล์เพื่อให้สามารถอัปโหลดได้

ความคิดใด ๆ

สุดท้ายฉันพบรายการหมายเลขมายากลสำหรับ docx และอื่น ๆแต่ฉันไม่สามารถแปลงเป็นmagic(5)รูปแบบได้

คำตอบ:


17

คุณสามารถใช้ได้

0       string  PK\x03\x04\x14\x00\x06\x00      Microsoft Office Open XML Format

ใน / etc / magic เพื่อระบุประเภทไฟล์ทั่วไปตามข้อมูลที่คุณให้มา

(อย่างไรก็ตามสิ่งนี้อาจไม่เป็นสากล: PK\x03\x04\x00\x14\x08\x08มีการตรวจพบเมื่อเริ่มต้นไฟล์ XLSX ที่สร้างโดย LibreOffice)

Ubuntu รุ่นที่ใหม่กว่ามีการระบุไฟล์. docx, .pptx และ. xlsx อย่างถูกต้อง ขุดรอบ ๆ ในรหัส sorce สำหรับยูทิลิตีไฟล์ฉันพบ~/file-5.09/magic/Magdir/msooxmlไฟล์ที่ระบุตัวตน คุณสามารถรับสำเนาของไฟล์และเพิ่มลงใน/etc/magicไฟล์ของคุณ


รวมถึงการคัดลอกไฟล์ที่ได้รับการอัพเดตเป็น v 1.5


# $File: msooxml,v 1.5 2014/08/05 07:38:45 christos Exp $
# msooxml:  file(1) magic for Microsoft Office XML
# From: Ralf Brown <ralf.brown@gmail.com>

# .docx, .pptx, and .xlsx are XML plus other files inside a ZIP
#   archive.  The first member file is normally "[Content_Types].xml".
#   but some libreoffice generated files put this later. Perhaps skip
#   the "[Content_Types].xml" test?
# Since MSOOXML doesn't have anything like the uncompressed "mimetype"
#   file of ePub or OpenDocument, we'll have to scan for a filename
#   which can distinguish between the three types

# start by checking for ZIP local file header signature
0       string      PK\003\004
!:strength +10
# make sure the first file is correct
>0x1E       regex       \\[Content_Types\\]\\.xml|_rels/\\.rels
# skip to the second local file header
# since some documents include a 520-byte extra field following the file
# header, we need to scan for the next header
>>(18.l+49) search/2000 PK\003\004
# now skip to the *third* local file header; again, we need to scan due to a
# 520-byte extra field following the file header
>>>&26      search/1000 PK\003\004
# and check the subdirectory name to determine which type of OOXML
# file we have.  Correct the mimetype with the registered ones:
# http://technet.microsoft.com/en-us/library/cc179224.aspx
>>>>&26     string      word/       Microsoft Word 2007+
!:mime application/vnd.openxmlformats-officedocument.wordprocessingml.document
>>>>&26     string      ppt/        Microsoft PowerPoint 2007+
!:mime application/vnd.openxmlformats-officedocument.presentationml.presentation
>>>>&26     string      xl/     Microsoft Excel 2007+
!:mime application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
>>>>&26     default     x       Microsoft OOXML
---

แต่ทิ้ง V1.2 ไว้ที่นี่เพื่อลูกหลาน

การรวมสำเนาที่นี่เนื่องจากลิงค์ด้านบนอาจล้าสมัยเนื่องจากแพ็คเกจไฟล์นั้นได้รับการอัพเดต

#------------------------------------------------------------------------------
# $File: msooxml,v 1.2 2013/01/25 23:04:37 christos Exp $
# msooxml:  file(1) magic for Microsoft Office XML
# From: Ralf Brown <ralf.brown@gmail.com>

# .docx, .pptx, and .xlsx are XML plus other files inside a ZIP
#   archive.  The first member file is normally "[Content_Types].xml".
# Since MSOOXML doesn't have anything like the uncompressed "mimetype"
#   file of ePub or OpenDocument, we'll have to scan for a filename
#   which can distinguish between the three types

# start by checking for ZIP local file header signature
0               string          PK\003\004
# make sure the first file is correct
>0x1E           string          [Content_Types].xml
# skip to the second local file header
#   since some documents include a 520-byte extra field following the file
#   header,  we need to scan for the next header
>>(18.l+49)     search/2000     PK\003\004
# now skip to the *third* local file header; again, we need to scan due to a
#   520-byte extra field following the file header
>>>&26          search/1000     PK\003\004
# and check the subdirectory name to determine which type of OOXML
#   file we have
#   Correct the mimetype with the registered ones:
#     http://technet.microsoft.com/en-us/library/cc179224.aspx
>>>>&26         string          word/           Microsoft Word 2007+
!:mime application/vnd.openxmlformats-officedocument.wordprocessingml.document
>>>>&26         string          ppt/            Microsoft PowerPoint 2007+
!:mime application/vnd.openxmlformats-officedocument.presentationml.presentation
>>>>&26         string          xl/             Microsoft Excel 2007+
!:mime application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
>>>>&26         default         x               Microsoft OOXML
!:strength +10

1
ฉันเพิ่มเนื้อหาของไฟล์นั้น (msooxml) ไปที่ / etc / magic (บนเดเบียน) และมันใช้งานได้
Jay K

สิ่งนี้ใช้ได้สำหรับฉันเช่นกัน - แม้ว่าฉันทำผิดพลาดในการใช้~/file-5.11/magic/Magdir/msooxmlแหล่งข้อมูลซึ่งไม่ได้ผลกับไฟล์ตัวอย่างของ PowerPoint ที่ฉันใช้อยู่ รุ่นที่ใช้file-5.17งานได้ดีแม้ว่า (อาจจะเกี่ยวข้องกับแท็บหรือ ... dunno)
dsummersl

FWIW ฉันลองสิ่งนี้บน Scientific Linux 6 แต่เห็นได้ชัดว่ายังอยู่ในfile5.04 ซึ่งตัดแท็กประเภท MIME ที่ 64 ตัวอักษร (แต่เตือนคุณเกี่ยวกับมัน) ตามที่ @ stanley-c พูดถึง ฉันยังลองใช้ Mac OS X Mavericks แต่ไม่สามารถใช้กฎนี้ได้ (แม้ว่าจะเตือนฉันว่าไม่จำเป็นต้องหลบ [และ. ในกฎข้อที่สอง)
jwadsack

โปรดทราบว่า "Microsoft OOXML" สามารถเป็นไฟล์. docx ได้ไม่เพียง แต่ "Microsoft Word
2007+

4

ไฟล์เวอร์ชันก่อน 5.13 จะตัดทอนชนิด MIME เป็น 64 อักขระ ดังนั้นการใช้เนื้อหาของ msooxml ชนิด MIME จากคำสั่ง file -bi จะกลายเป็น "mime application / vnd.openxmlformats-officedocument.wordprocessingml.d; charset = binary"


0

หากใช้ docx ของ libreoffice คุณสามารถเพิ่มเนื้อหา (ด้านล่าง) ลงใน / etc / magic:

# start by checking for ZIP local file header signature
0               string          PK\003\004
!:strength +10
>1104           search/300      PK\003\004
# and check the subdirectory name to determine which type of OOXML
# file we have.  Correct the mimetype with the registered ones:
# http://technet.microsoft.com/en-us/library/cc179224.aspx
>>&26           string          word/           Microsoft Word 2007+
!:mime application/vnd.openxmlformats-officedocument.wordprocessingml.document
>>&26         string          ppt/            Microsoft PowerPoint 2007+
!:mime application/vnd.openxmlformats-officedocument.presentationml.presentation
>>&26         string          xl/             Microsoft Excel 2007+
!:mime application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
>>&26         default         x               Microsoft OOXML

พยายามสิ่งนี้ แต่จะนำไปสู่บางไฟล์ที่ตรวจพบอย่างไม่ถูกต้อง xlsx- ถูกตรวจพบอย่างถูกต้อง แต่ยังไปถึงบางส่วนที่ตรวจพบอย่างถูกต้องก่อนหน้านี้ไฟล์ xlsx- ไม่ถูกตรวจพบอีกต่อไป
Motin
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.