PDF 和 DOCX 幻数

Question

我读取第一个字节来区分文件类型，但 PDF 和 DOCX 都有一个“0x50”幻数。我该如何处理这种情况？

Answer 1

PDF 文件没有以“神奇”字节开头。如果您阅读 PDF 规范，您会发现它们必须以“%PDF”开头，但实际上许多 PDF 文件并非如此。

1. 仅寻找 %PDF 标头来识别 PDF 文件是非常不可靠的，有效的 PDF 文件是您可以解析的文件（至少有预告片、交叉引用表等）。

2. 曾经有人建议 PDF 文件在 %PDF 标头之前包含二进制数据，以确保它们被视为二进制文件。结果，PDF 阅读器一度开始在 %PDF 标头之前接受一定数量的二进制字节（随机字节）。此类文件无法通过简单的幻数或幻数字符串来检测。

Answer 2

这很奇怪，因为我看到 PDF 文件为 0x25，DOCX 文件为 0x50 ...（源 1 源 2）。 但是，当您以文本模式、ISO 8859-1 编码打开这些文件时，您仍然可以看到 DOCX 文档以“PK”开头，而 PDF 文档以“%PDF”开头。

Answer 3

PDF 似乎有多个签名。某些类型的 PDF 以这 8 个字节结尾

0A 0D 0A 30 0D 0A 0D 0A