有没有办法在不读取整个文件的情况下推断文件是啥图像格式？

Posted 2023-03-15

【中文标题】有没有办法在不读取整个文件的情况下推断文件是啥图像格式？

【英文标题】：Is there a way to infer what image format a file is, without reading the entire file?有没有办法在不读取整个文件的情况下推断文件是什么图像格式？

【发布时间】：2010-09-08 08:09:37

【问题描述】：

有没有一种无需将整个文件读入内存即可查看图像格式的好方法？

显然，这会因格式而异（我对 TIFF 文件特别感兴趣），但哪种程序有助于确定文件的图像格式而无需通读整个文件？

奖励：如果图像是 Base64 编码的字符串怎么办？在解码之前有什么可靠的推断方法吗？

【参考方案1】：

大多数图像文件格式的开头都有唯一的字节。 unix file 命令查看文件的开头以查看它包含的数据类型。请参阅 Magic numbers in files 和 magicdb.org 上的***文章。

【讨论】：

除了结尾有幻数的 Targa，以及一些 RAW 风格，它们与 TIFF 完全没有区别，只是它们不解码（反之亦然）。

【参考方案2】：

当然有。就像其他人提到的那样，大多数图像都以某种“魔术”开头，它总是会转换为某种 Base64 数据。以下是几个例子：

位图将以Qk3开头

Jpeg 将以 /9j/ 开头

GIF 将以 R0l 开头（第二个字符是零）。

等等。获取不同的图像类型并找出它们编码的内容并不难。请小心，因为有些魔法不止一种，所以您需要在您的 B64“翻译代码”中说明它们。

【参考方案3】：

在 *nix 命令行上的 file 或读取文件的初始字节。大多数文件在前几个字节中都有一个唯一的标题。例如，TIFF 的标​​头如下所示：

0x00000000: 4949 2a00 0800 0000

有关 TIFF 文件格式的更多信息，特别是如果您想知道这些字节代表什么，请转到 here。

【讨论】：

说“类似的东西”很危险。有两个有效的 tiff 标头：49 49 2a 00 或 4d 4d 00 2a。 49 49 格式在大部分文件中使用英特尔字节排序（小端），4d 4d 使用摩托罗拉字节（大端），这意味着 2a 和 00 与英特尔相反。

【参考方案4】：

TIFF 将以 II 或 MM（英特尔字节排序或摩托罗拉）开头。 TIFF 6 规范可以在here 下载，并且不难理解