文件真实类型识别 - linux c file

在windows下，文件类型一般以后缀名的形式体现，但后缀名却是可以随意更改的。甚至在linux下，本身是没有后缀名的概念的。在很多应用中，需要判断文件的真实类型，例如web上传文件等

在网上有很多都是简单识别下文件特征，例如jpg、png、mp4这些常见的格式，那么有没有很全面的文件类型识别的方法呢？当然是有的

当时调研了很多库，发现linux下开源的file所覆盖的范围当属第一，纯c代码，通过阅读源码可以知道，既可以通过magic文件拓展识别特征，还能对文本判断编码、是CR、LF还是CRLF之类的，可谓是面面俱到。

那么使用起来如何？有两种方法，一种是直接用shell调file，直接把文件路径传进去，管道获取返回结果，这种看起来就很low，如果是频繁调用的话，性能也是存在很大问题的，所以还是需要直接使用libmagic.so的接口，需在GitHub上把最新的file拉下来编译make install，然后参考file的源码可以抠出使用方法

使用方法很简单：

1、根据需求，设置flags为

        a、MAGIC_EXTENSION，用于获取文件真实后缀，由于目前magic里面的后缀不是很全，还需要自行补充很多 !ext:xxx

        b、MAGIC_MIME_ENCODING|MAGIC_MIME_TYPE，用于获取文件MIME类型以及文本编码，看了下现有的magic文件，MIME是非常全的，推荐使用这种方法做类型判断

2、调用load，指定magicfile路径，传入flags

3、创建个128K的Buffer（根据多种类型实验，自己推断出的一个大致比较准确高效的值），将文件读取出来放在Buffer上

4、调用magic_buffer 返回即为需要的数据

GitHub - file/file: Read-only mirror of file CVS repository, updated every half hour. NOTE: do not make pull requests here, nor comment any commits, submit them usual way to bug tracker or to the mailing list. Maintainer(s) are not tracking this git mirror.Read-only mirror of file CVS repository, updated every half hour. NOTE: do not make pull requests here, nor comment any commits, submit them usual way to bug tracker or to the mailing list. Maintainer(s) are not tracking this git mirror. - GitHub - file/file: Read-only mirror of file CVS repository, updated every half hour. NOTE: do not make pull requests here, nor comment any commits, submit them usual way to bug tracker or to the mailing list. Maintainer(s) are not tracking this git mirror.https://github.com/file/file

#include<magic.h>
void test(){
int flags=0;
struct magic_set* g_magic=load(magic_file_path,flags);
const char* ret=magic_buffer(g_magic,buf,len);
}