Django python-magic识别ppt，docx，word上传文件为'application / zip'

Question

我正在尝试识别上传文件的文件类型，搜索后，我打算使用python-magic来检查文件的mime类型。

FileField在我的模型中使用，ModelForm用于帮助保存文件。

在上传完所有文件后，我会检查我的python shell中的mime类型

我发现使用

magic.from_file("path_to_the_file", mime=True)

woud为已保存的image，txt，pdf文件提供预期的mime类型。

但是，对于所有docx，ppt，excel文件，它会将它们标识为'application/zip'

任何人都可以解释为什么会发生这种情况（django自动将ms文件保存为zip ??）。有没有什么好方法可以让魔术识别docx，ppt，excel文件呢？

非常感谢。

Answer 1

我最近也遇到过这个问题。 Python-magic使用Unix命令file，它使用数据库文件来识别文档（参见man file）。默认情况下，此数据库不包含有关如何标识.docx，.pptx和.xlsx文件类型的说明。

您可以向file命令提供其他信息，以通过向/ etc / magic添加说明来识别这些类型（请参阅https://serverfault.com/a/377792）。

这应该有效：

magic.from_file("path_to_the_file.docx", mime=True)

返回'application/vnd.openxmlformats-officedocument.wordprocessingml.document'

GitHub上的python-magic使用说明需要注意的一件事 - 这似乎不适用于.docx，.pptx和.xlsx文件类型（使用/ etc / magic中的附加信息）：

magic.from_buffer(open("testdata/test.pdf").read(1024), mime=True)

返回'application/zip'

您似乎需要为其提供更多数据才能正确识别这些文件类型：

magic.from_buffer(open("testdata/test.pdf").read(2000), mime=True)

返回'application/vnd.openxmlformats-officedocument.wordprocessingml.document'

我不确定所需的确切数量。