Створення libmagic / file виявлення .docx файлів

Як видно деінде , docx, xlsx та pttx - це ZIP-файли. Завантажуючи їх у мою веб-програму, file(через libmagicта python-magic) виявляє їх як ZIP.

Я зберігаю вміст файлу як крапку в базі даних, але, природно, я не хочу довіряти користувачеві про тип файлу. Тому я хотів би довіряти fileі автоматично генерувати ім’я файлу під час завантаження.

Я знаю, що можна змінити, /etc/magicале формат ( magic(5)) для мене занадто складний. Я знайшов звіт про помилку щодо проблеми в Debian bugs, але оскільки він починає з 2008 року, він, здається, не буде виправлений найближчим часом.

Напевно, моя єдина інша альтернатива - це дійсно довіряти користувачеві (але все-таки зберігати вміст як крапку) та перевіряти лише розширення файлу на основі імені файлу. Таким чином я можу заборонити деякі розширення та дозволити інші. І коли користувач повторно завантажує свій файл, він може мати його будь-яким способом, який він завантажив. Але це рішення є небезпечним, якщо файл надається спільним з іншими, оскільки ви можете просто перейменувати файл, щоб дозволити його завантажувати.

Будь-які ідеї?

Нарешті, я знайшов список магічних чисел для docx тощо , але я не в змозі перетворити їх у magic(5)формат.

Можна використовувати

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

в / etc / magic, щоб визначити загальний тип файлу на основі наданої вами інформації.

(Однак це може бути не універсальним: PK\x03\x04\x00\x14\x08\x08спостерігалося на початку файлів XLSX, створених LibreOffice.)

Пізніші версії Ubuntu мають намір правильно визначити файли .docx, .pptx та .xlsx. Копаючи в коді сортування для утиліти файлу, я знайшов ~/file-5.09/magic/Magdir/msooxmlфайл, який робить ідентифікацію. Ви можете отримати копію файлу та додати її до свого /etc/magicфайлу.

У тому числі копія файлу, який було оновлено до версії 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
---

Але залиште V1.2 тут для нащадків.

Якщо включити копію сюди як посилання вище, це може застаріти в міру оновлення пакету файлів.

#------------------------------------------------------------------------------
# $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

файл, версія до 5.13, скоротить тип MIME до 64 символів. Таким чином, використовуючи вміст msooxml, тип MIME з команди -bi команда стає "mime application / vnd.openxmlformats-officedocument.wordprocessingml.d; charset = binary"

якщо використовувати docx libreoffice ，, ви можете додати вміст (нижче) до / 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