Urlmon.dll中FindMimeFromData方法的替代方法,该方法具有更多MIME类型

更新:@GetoX已经获取了这段代码,并将其封装在一个用于.net核心的NuGet包中!看下面,欢呼!!

所以我想知道是否有人能给我指另一种方法 更多的MIME类型,或者另一种方法/类 能够包含我认为合适的MIME类型。

我使用Winista和URLMon的混合体来检测 这个 上传文件的真实格式。。

Winista MIME检测

假设有人用jpg扩展名重命名了一个exe,你仍然可以使用二进制分析来确定“真实”的文件格式。它不检测swf或flv,但几乎可以检测其他所有已知的格式+您可以获得一个十六进制编辑器,并添加更多可以检测的文件。

文件魔术

Winista使用XML文件“MIME-type.XML”检测真正的MIME类型,该文件包含有关文件类型和用于识别内容类型的签名的信息。例如:

<!--
 !   Audio primary type
 ! -->

<mime-type name="audio/basic"
           description="uLaw/AU Audio File">
    <ext>au</ext><ext>snd</ext>
    <magic offset="0" type="byte" value="2e736e64000000"/>
</mime-type>

<mime-type name="audio/midi"
           description="Musical Instrument Digital Interface MIDI-sequention Sound">
    <ext>mid</ext><ext>midi</ext><ext>kar</ext>
    <magic offset="0" value="MThd"/>
</mime-type>

<mime-type name="audio/mpeg"
           description="MPEG Audio Stream, Layer III">
    <ext>mp3</ext><ext>mp2</ext><ext>mpga</ext>
    <magic offset="0" value="ID3"/>
</mime-type>

当Winista无法检测到真实的文件格式时,我又回到了URLMon方法:

public class urlmonMimeDetect
{
    [DllImport(@"urlmon.dll", CharSet = CharSet.Auto)]
    private extern static System.UInt32 FindMimeFromData(
        System.UInt32 pBC,
        [MarshalAs(UnmanagedType.LPStr)] System.String pwzUrl,
        [MarshalAs(UnmanagedType.LPArray)] byte[] pBuffer,
        System.UInt32 cbSize,
        [MarshalAs(UnmanagedType.LPStr)] System.String pwzMimeProposed,
        System.UInt32 dwMimeFlags,
        out System.UInt32 ppwzMimeOut,
        System.UInt32 dwReserverd
    );

public string GetMimeFromFile(string filename)
{
    if (!File.Exists(filename))
        throw new FileNotFoundException(filename + " not found");

    byte[] buffer = new byte[256];
    using (FileStream fs = new FileStream(filename, FileMode.Open, FileAccess.Read))
    {
        if (fs.Length >= 256)
            fs.Read(buffer, 0, 256);
        else
            fs.Read(buffer, 0, (int)fs.Length);
    }
    try
    {
        System.UInt32 mimetype;
        FindMimeFromData(0, null, buffer, 256, null, 0, out mimetype, 0);
        System.IntPtr mimeTypePtr = new IntPtr(mimetype);
        string mime = Marshal.PtrToStringUni(mimeTypePtr);
        Marshal.FreeCoTaskMem(mimeTypePtr);
        return mime;
    }
    catch (Exception e)
    {
        return "unknown/unknown";
    }
}
}

从Winista方法的内部来看,我在这里回到URLMon:

   public MimeType GetMimeTypeFromFile(string filePath)
    {
        sbyte[] fileData = null;
        using (FileStream srcFile = new FileStream(filePath, FileMode.Open, FileAccess.Read))
        {
            byte[] data = new byte[srcFile.Length];
            srcFile.Read(data, 0, (Int32)srcFile.Length);
            fileData = Winista.Mime.SupportUtil.ToSByteArray(data);
        }

        MimeType oMimeType = GetMimeType(fileData);
        if (oMimeType != null) return oMimeType;

        //We haven't found the file using Magic (eg a text/plain file)
        //so instead use URLMon to try and get the files format
        Winista.MimeDetect.URLMONMimeDetect.urlmonMimeDetect urlmonMimeDetect = new Winista.MimeDetect.URLMONMimeDetect.urlmonMimeDetect();
        string urlmonMimeType = urlmonMimeDetect.GetMimeFromFile(filePath);
        if (!string.IsNullOrEmpty(urlmonMimeType))
        {
            foreach (MimeType mimeType in types)
            {
                if (mimeType.Name == urlmonMimeType)
                {
                    return mimeType;
                }
            }
        }

        return oMimeType;
    }

Wayback Machine link to the Winista utility from netomatix .AFAIK他们在开源Nutch爬虫系统中发现了一些“mime阅读器实用程序类”,并在2000年代初进行了C#重写。

我已经使用Winista和URLMon主持了我的MimeDetect项目。请使用Hex编辑器提供新的文件类型: https://github.com/MeaningOfLights/MimeDetect

您也可以使用注册表方法或 .Net 4.5 method 中提到 this post 与Paul Zahra联系在一起,但Winista是最好的IMHO。

享受了解系统中文件的乐趣 是 他们声称是什么 而不是 laden with malware !

更新:

对于桌面应用程序,您可能会发现WindowsAPICodePack的工作效果更好:

using Microsoft.WindowsAPICodePack.Shell;
using Microsoft.WindowsAPICodePack.Shell.PropertySystem;

private static string GetFilePropertyItemTypeTextValueFromShellFile(string filePathWithExtension)
{
   var shellFile = ShellFile.FromFilePath(filePathWithExtension);
   var prop = shellFile.Properties.GetProperty(PItemTypeTextCanonical);
   return prop.FormatForDisplay(PropertyDescriptionFormatOptions.None);
}

经过几个小时的寻找弹性解决方案。我采用了@JeremyThompson解决方案,将其调整为frameworks.net core/.net 4.5,并将其放入 nuget package .

   //init
   var mimeTypes = new MimeTypes();

   //usage by filepath
   var mimeType1 = mimeTypes.GetMimeTypeFromFile(filePath);

   //usage by bytearray
   var mimeType2 = mimeTypes.GetMimeTypeFromFile(bytes);

有多种可能的解决方案 in this SO post 这至少会给你一些思考的食物。

似乎唯一真正的方法是以二进制形式读取它,然后进行比较,无论MIME类型是以某种方式声明为硬编码的,还是依赖于机器自己可用的MIME类型/注册表。

刚刚找到 FileSignatures 。它实际上是一个很好的替代方案,在Linux目标应用程序上也能很好地运行。

上下文

Urlmon.dll 不适合Linux,因此不适用于多平台应用程序。 我找到了 this article 在Microsoft文档中。它引用了 File Signature Database 这对于文件类型是一个很好的参考(在我写这篇文章时为518)。

再挖掘一点,我发现这个项目很好: 文件签名 裸体 here 。它的可扩展性也很强,因此您可以从filesignatures.net中获取所需的所有类型,并创建自己的类型模型。

用法

您可以检查任何定义的类型

var format = inspector.DetermineFileFormat(stream);

if(format is Pdf) {
  // Just matches Pdf
}

if(format is OfficeOpenXml) {
  // Matches Word, Excel, Powerpoint
}

if(format is Image) {
  // Matches any image format
}

或者根据匹配的文件类型使用它带来的一些元数据

var fileFormat = _fileFormatInspector.DetermineFileFormat(stream);
var mime = fileFormat?.MediaType;

可扩展性

您可以定义从继承的任意数量的类型 FileFormat 并配置 FileFormatLocator 在需要时加载

var assembly = typeof(CustomFileFormat).GetTypeInfo().Assembly;

// Just the formats defined in the assembly containing CustomFileFormat
var customFormats = FileFormatLocator.GetFormats(assembly);

// Formats defined in the assembly and all the defaults
var allFormats = FileFormatLocator.GetFormats(assembly, true);

中的更多详细信息 project's Github