在Linux中用Python读取EXE，MSI和ZIP文件元数据

Question

我正在编写一个Python脚本，将大量Windows安装程序编入索引。

我想知道如何使用在Linux上运行的Python从EXE，MSI和ZIP文件中读取元数据信息（公司，产品名称，版本等）。

软件

我在Ubuntu 10.04 64位和Django 1.2.1上使用Python 2.6.5。

到目前为止发现：

Windows命令行实用程序，可以提取EXE元数据（如来自SysUtils的filever）或仅在Windows中工作的其他单个CL utils。我尝试通过Wine运行它们但是它们有问题，并且不值得去找那些CL utils所依赖的库和框架并尝试在Wine / Crossover中安装它们。

用于Python的Win32模块可以执行某些操作但不能在Linux中运行（对吗？）

次要问题：

显然，更改文件的元数据会更改文件的MD5哈希值。是否有一种通用的方法来散列独立于元数据的文件，除了定位和读取它（例如：跳过前1024个字节？）

---

这是我在这里发表StackOverflow的第一篇文章。从我作为一名新的Python开发人员的最新工作开始，我对Stackoverflow印象非常深刻，并且它一直出现在谷歌搜索我的Python / Django查询的顶部，并且具有高质量的答案。感谢这个社区。

Answer 1

看看这个库：http://bitbucket.org/haypo/hachoir/wiki/Home以及使用该库的示例程序：http://pypi.python.org/pypi/hachoir-metadata/1.3.3。第二个链接是一个示例程序，它使用Hachoir二进制文件操作库（第一个链接）来解析元数据。

图书馆可以处理以下格式：

• 档案：bzip2，gzip，zip，tar
• 音频：MPEG音频（“MP3”），WAV，Sun / NeXT音频，Ogg / Vorbis（OGG），MIDI，AIFF，AIFC，Real音频（RA）
• 图片：BMP，CUR，EMF，ICO，GIF，JPEG，PCX，PNG，TGA，TIFF，WMF，XCF
• 杂项：Torrent
• 计划：EXE
• 视频：ASF格式（WMV视频），AVI，Matroska（MKV），Quicktime（MOV），Ogg / Theora，Real media（RM）

此外，Hachoir可以执行一些文件操作操作，我认为这包括一些原始元数据操作。

Answer 2

hach​​oir-metadata获取“产品版本”，但编译器更改了“文件版本”。 然后返回的版本不是我们需要的。

我找到了一个很好的解决方案：

http://pev.sourceforge.net/

我已成功测试过。它简单，快速，稳定。

Answer 3

要回答您的一个问题，您可以使用zipfile module，特别是ZipInfo对象来获取zip文件的元数据。

至于只散列文件的数据，只有知道哪些部分是数据，哪些部分是元数据，才能进行散列。由于许多文件格式以不同方式存储元数据，因此没有通用方法。

Answer 4

回答第二个问题：不，没有定位和读取元数据，就无法散列PE文件或ZIP文件，忽略元数据。这是因为您感兴趣的元数据存储在文件中的可变位置。

对于PE文件（EXE，DLL等），它存储在资源块中，通常位于文件末尾，文件开头的一系列指针和表格给出了位置。 / p>

对于ZIP文件，它分散在整个存档中 - 每个包含的文件前面都有自己的元数据，然后在最后给出一个表格，给出每个元数据块的位置。但听起来你可能真的想要读取ZIP存档中的文件，如果你正在追踪程序元数据，那么在那里寻找EXE; ZIP存档本身不存储公司名称或版本号。