python-magic：最实用的文件内容识别方法，取代扩展名
当服务器具备图片上传功能时，往往会遇到以下需求。
- “
.png上传了…真的 PNG 吗？” - “先判断文件是图片还是文档再分流。”
- “在使用外部解析器（Pillow/OpenCV）之前，至少先确认类型。”
此时最稳妥的起点不是扩展名，而是文件内容。而实现“基于内容识别”最简便的工具就是 python-magic。
python-magic 是什么？
python-magic 是一个 Python 包，它封装了 C 语言库 libmagic。libmagic 通过检查文件的头部（前几字节）等特征来识别文件类型。类似的功能在 Unix 的 file 命令中也能找到。
简而言之：
file（Linux 命令）= “终端使用的接口”libmagic= “核心引擎（识别逻辑）”python-magic= “Python 调用 libmagic 的薄封装”
本文将围绕 python-magic，结构化地说明“这个引擎究竟是如何识别文件类型的”。
核心引擎（libmagic）是如何工作的？
libmagic 的本质很简单：
“读取包含文件类型识别规则的数据库，按规则检查文件字节，给出最合理的结论。”
这里的数据库即为 magic database（magic 数据库），供 file/libmagic 一起使用。通常以编译后的形式（magic.mgc）安装在系统中。
1) “魔法文件”是规则集合
这些规则基本由以下几部分组成：
- 查看位置（offset：文件的哪一字节）
- 读取方式（type：字节/字符串/整数等）
- 比较值（expected value/pattern）
- 输出结果（message/MIME 等）
file 的手册也说明它在检查 magic patterns。规则逐行测试（offset/type/value/message），若匹配则进入更具体的子测试，形成层级结构。
想了解 Linux file 命令的细节，请点击以下链接。
2) 规则数据库有“文本原始”和“编译结果”两种形式
魔法数据库最初是人可读的文本片段集合，为了性能，通常也提供编译后的二进制数据库（.mgc）。
3) 最终目标是“看文件内容而非扩展名”
file 之所以被视为“内容型类型推断器”已有悠久历史。python-magic 就是把这一哲学用“一行 Python 代码”实现的工具。
如何使用 python-magic？
常见的使用模式有两种。
1) 以 MIME 类型获取（最实用）
适用于上传处理、路由、日志/指标等。
import magic
mime = magic.from_file("upload.bin", mime=True)
print(mime) # 例如: image/png
python-magic 基于 libmagic 提供文件类型识别功能，官方说明与 file 命令同属一类。
2) 直接以 bytes 进行识别（上传流更友好）
在将文件写入磁盘之前，想先快速查看上传的字节片段时非常有用。
import magic
with open("upload.bin", "rb") as f:
head = f.read(4096)
mime = magic.from_buffer(head, mime=True)
print(mime)
（基于缓冲区的识别是“文件保存前的第一道过滤器”）
开发者视角：在哪些场景下有用？
1) 上传验证的第一道防线
- 不仅凭扩展名做分流
- 至少确认“是否可以作为图片处理”
2) 处理管道的分流点
- 若是图片，则进入缩放/缩略图管道
- 若是 PDF/ZIP，则交给其他工作者
- 若是未知类型，则隔离/拒绝/进一步验证
3) 在调用“重量级解码器”之前降低成本
Pillow 等解码器功能强大，但调用本身会增加内存/CPU/攻击面。python-magic 可以在此之前判断“是否值得继续处理”。
重要的现实检查：libmagic 仅是 推断/识别 工具。若目标是安全完整的判定（拦截恶意负载等），仍需额外验证（白名单、大小限制、沙箱解码等）。
结语：python-magic 是“把文件类型识别带到代码中的最轻量方式”
python-magic 并不提供图片处理本身，而是快速告诉你“该文件应被视为哪种类型”。
- 引擎：
file同类的 libmagic - 识别方式：规则数据库 + 字节检查
- 开发实战：上传验证、路由、成本节约尤为适用
掌握它后，即使在库不足的环境中，也能构建“识别 → 分流 → 安全防护”的完整流程。
下期预告
- Pillow（PIL）的
open()、load()、verify()各自保证什么，何时使用，如何工作，做一份整理。
相关阅读
目前没有评论。