关于上传文件类型验证的解决办法

【转载：http://www.blogjava.net/bolo/archive/2012/05/01/376804.html】
大象根据研究与实际项目经验，向大家介绍一个关于文件类型验证的解决办法。不清楚的朋友可以了解下，知道的不喜勿喷。
    对于文件上传，相信大家都不会陌生，我们都知道，文件在上传到服务器的过程中，都是以流的形式传输的，在后台处理文件上传的代码中，获得这个流，然后读取数据流将之保存到上传文件的临时目录中，如果有使用到MongoDB，再将这个文件存储到文件系统中。
    大部分的文件上传都是通过HTML的上传组件完成的，而业务需求往往是有类型要求的，比如只允许上传jpg、gif、png类型的图片，或者是只允许上传Office文档等等，虽然可以用JavaScript对上传文件做一些类型验证之类的控制，但还是不能完全做到过虑。这时，就需要在后台，用代码来进一步完成这个验证工作。
    到底通过什么方式可以做到正确验证呢？答案就是通过文件的头部信息，通过大量测试，大象发现每种类型的文件，他们最开始的一段信息都是一样的，比如Office97~03，它的头四位16进制信息就是d0 cf 11 e0，而Office2007则是50 4b 03 04，PDF为25 50 44 46，大家可以多用这样的文件分别测试一下，看看前四位16进制信息是不是都是一样的。当然这其中也有个别情况，比如jpg类型的图片，它的前四位16进制信息就有两种一个是ff d8 ff e0，另一个是ff d8 ff e1，区别是最后一位。知道了这些，我们就有一个方向了。
    可能有同学有疑问了，为什么只取前四位，不是六位或八位呢？这是因为，大象根据反复测试发现，从第五位开始到第八位，同一种类型的文件，在这几位里面很有一些存在区别，像图片以及pdf，这种现象很多，为了避免同一类型的文件，因为这一些小的不同，要定义N多检测头信息，这样做似乎没有必要，因此大象才建议取前四位作为类型检测的依据。
    不过说了这么多，还是没讲怎么做，这显然不是大象的风格，大象一般都从实际出发，用代码来说话。

package com.bolo.util;

public class FileValidateUtil {

    public static boolean validateType(byte[] b, String customTypes) {

       if (b != null) {

           int size = b.length;

           String hex = null;

           StringBuilder contentType = new StringBuilder();

           for (int i = 0; i < size; i++) {

              hex = Integer.toHexString(b[i] & 0xFF);

              if (hex.length() == 1) {

                  hex = "0" + hex;

              }

              contentType.append(hex);

              if (i > 2)

                  break;

           }

           if (customTypes.indexOf(contentType.toString()) > -1) {

              return Boolean.TRUE;

           }

       }

       return Boolean.FALSE;

    }
}

上面这段代码就是用来对文件类型作验证的方法，第一个参数是文件的字节数组，第二个就是定义的可通过类型。代码很简单，主要是注意中间的一处，将字节数组的前四位转换成16进制字符串，并且转换的时候，要先和0xFF做一次与运算。这是因为，整个文件流的字节数组中，有很多是负数，进行了与运算后，可以将前面的符号位都去掉，这样转换成的16进制字符串最多保留两位，如果是正数又小于10，那么转换后只有一位，需要在前面补0，这样做的目的是方便比较，取完前四位这个循环就可以终止了。
    下面我们准备些文件来测试一下这段代码有没有问题。

package com.bolo.util;

import java.io.IOException;

import junit.framework.Assert;

import org.apache.commons.io.FileUtils;

import org.junit.Test;

import org.springframework.util.ResourceUtils;

import com.bolo.util.FileValidateUtil;

public class FileValidateUtilTest {

    /**

     * 文件头部信息，十六进制信息，取前4位

     * 50 4b 03 04 office 2007+

     * d0 cf 11 e0 office 97~03

     * 25 50 44 46 pdf

     * ff d8 ff e0 jpg，部分png与jpg头文件前4位一样

     * ff d8 ff e1 jpg，一种不同的jpg头文件

     * 89 50 4e 47 png

     */

    private static final String FILE_TYPE = "504b0304 d0cf11e0 25504446 ffd8ffe0 ffd8ffe1 89504e47";

    @Test

    public void jpgTest(){

        validateType("file/1.jpg");

    }

    @Test

    public void docTest(){

       validateType("file/2.doc");

    }

    @Test

    public void docxTest(){

        validateType("file/3.docx");

    }

    @Test

    public void pdfTest(){

        validateType("file/4.pdf");

    }

    @Test

    public void exeTest(){

        validateType("file/5.png");

    }

    private void validateType(String path){

        try {

            Assert.assertTrue(FileValidateUtil.validateType(FileUtils

               .readFileToByteArray(ResourceUtils.getFile("classpath:" + path)), FILE_TYPE));

        } catch (IOException e) {

            e.printStackTrace();

        }

    }
}

从测试代码可以看到文件类型，只有第五个不是正确文件，是我将一个exe文件通过改后缀为png。这个测试类，用到了commons-io的FileUtils，需要在pom中加入这个依赖，而ResourceUtils在org.springframework.util包中，它属于spring-core.jar，大象这个测试类是放在之前ssm3工程test里面，要想正常运行测试，要在test/resources目录下建个file文件夹存放测试文件，最后编译之后file及其测试文件都会在test-classes下面，所以文件查找是以classpath:开头。
     OK，运行测试，结果就是前四个成功，最后一个失败，这达到了我们的预期，只允许FILE_TYPE里面定义的文件类型通过测试。大家可以自己动手试验一下。
    本文为菠萝大象原创，如要转载请注明出处。http://bolo.blogjava.net/