确定byte []是否是pdf文件

Question

有没有办法在不打开的情况下检查byte []是否为pdf？

我有一些代码来显示byte []列表作为pdf缩略图。我以前知道所有byte []都是pdf的，因为我们过滤了servlet只返回这些。现在需求已经改变，我需要恢复所有文件类型。有没有办法检查字节[]是什么，或更具体地确定它是不是，pdf？

Answer 1

检查数组的前4个字节。

如果这些是0x25 0x50 0x44 0x46，那么它很可能是PDF文件。

Answer 2

前四个字节应为：0x25 0x50 0x44 0x46（十六进制格式，ASCII格式为%PDF）。您可以找到其他格式的“幻数”here

Answer 3

据我所知，所有PDF都以%PDF开头，所以你可以检查这个字符串的第一个字节。

Answer 4

虽然明确的答案和其他答案都是正确的，但它们在100％的时间内都不会成功。问题是PDF规范说％PDF-1.x只需要在前1024个字节而不是前4个。有些程序会在％PDF之前添加信息并且仍然有效。

我建议您查看以下Stack Overflow问题的答案：How to detect if a file is PDF or TIFF?

Answer 5

我一直遇到这个问题。我们使用了一些来自GitHub的Magic库，它很好地将内容确定为PDF。但是，我们收到的一些文件

1. 在PDF阅读器中打开
2. 在%PDF-之前有不同的起始字节（5）
3. 以这8个字节0A 0D 0A 30 0D 0A 0D 0A
结尾

因此，当带有PDF扩展名的文件与其他文件不匹配时，我添加了逻辑以检查这些起始字节5-9和结尾8个字节。