Java根据文件头获取文件类型

    文件头是位于文件开头的一段承担一定任务的数据，一般都在开头的部分。头文件作为一种包含功能函数、数据接口声明的载体文件，用于保存程序的声明(declaration)，而定义文件用于保存程序的实现 (implementation)。
      为了解决在用户上传文件的时候在服务器端判断文件类型的问题，故用获取文件头的方式，直接读取文件的前几个字节，来判断上传文件是否符合格式。具体代码如下：

package com.test.day11.io;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.HashMap;

/**
* 获取和判断文件头信息
*
* @author bigbird
*
*/
public class FileType {

//缓存文件头信息-文件头信息
public static final HashMap<String, String> mFileTypes = new HashMap<String, String>();

static {
// images
mFileTypes.put("FFD8FF", "jpg");
mFileTypes.put("89504E47", "png");
mFileTypes.put("47494638", "gif");
mFileTypes.put("49492A00", "tif");
mFileTypes.put("424D", "bmp");
//
mFileTypes.put("41433130", "dwg"); // CAD
mFileTypes.put("38425053", "psd");
mFileTypes.put("7B5C727466", "rtf"); // 日记本
mFileTypes.put("3C3F786D6C", "xml");
mFileTypes.put("68746D6C3E", "html");
mFileTypes.put("44656C69766572792D646174653A", "eml"); // 邮件
mFileTypes.put("D0CF11E0", "doc");
mFileTypes.put("5374616E64617264204A", "mdb");
mFileTypes.put("252150532D41646F6265", "ps");
mFileTypes.put("255044462D312E", "pdf");
mFileTypes.put("504B0304", "docx");
mFileTypes.put("52617221", "rar");
mFileTypes.put("57415645", "wav");
mFileTypes.put("41564920", "avi");
mFileTypes.put("2E524D46", "rm");
mFileTypes.put("000001BA", "mpg");
mFileTypes.put("000001B3", "mpg");
mFileTypes.put("6D6F6F76", "mov");
mFileTypes.put("3026B2758E66CF11", "asf");
mFileTypes.put("4D546864", "mid");
mFileTypes.put("1F8B08", "gz");
mFileTypes.put("", "");
mFileTypes.put("", "");
}

/**
* 根据文件路径获取文件头信息
*
* @param filePath
*            文件路径
* @return 文件头信息
*/
public static String getFileType(String filePath) {
return mFileTypes.get(getFileHeader(filePath));
}

/**
* 根据文件路径获取文件头信息
*
* @param filePath
*            文件路径
* @return 文件头信息
*/
public static String getFileHeader(String filePath) {
FileInputStream is = null;
String value = null;
try {
is = new FileInputStream(filePath);
byte[] b = new byte[4];
is.read(b, 0, b.length);
value = bytesToHexString(b);
} catch (Exception e) {
} finally {
if (null != is) {
try {
is.close();
} catch (IOException e) {
}
}
}
return value;
}

         /**
* 根据文对象获取文件头信息
*
* @param filePath
*            文件路径
* @return 文件头信息
*/
public static String getFileHeader(fileFile filePath) {
InputStream is = null;
String value = null;
try {
is = new InputStream(filePath);
byte[] b = new byte[4];
is.read(b, 0, b.length);
value = bytesToHexString(b);
} catch (Exception e) {
} finally {
if (null != is) {
try {
is.close();
} catch (IOException e) {
}
}
}
return value;
}


/**
* 将要读取文件头信息的文件的byte数组转换成string类型表示
*
* @param src
*            要读取文件头信息的文件的byte数组
* @return 文件头信息
            *下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。
*/
private static String bytesToHexString(byte[] src) {
StringBuilder builder = new StringBuilder();
if (src == null || src.length <= 0) {
return null;
}
String hv;
for (int i = 0; i < src.length; i++) {
// 以十六进制（基数 16）无符号整数形式返回一个整数参数的字符串表示形式，并转换为大写
hv = Integer.toHexString(src[i] & 0xFF).toUpperCase();
if (hv.length() < 2) {
builder.append(0);
}
builder.append(hv);
}
return builder.toString();
}

public static void main(String[] args) throws Exception {
final String fileType = getFileType("E:/读书笔记/Java编程思想读书笔记.docx");
System.out.println(fileType);
}
}

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

注意：读取TXT文件时，不能用上述方法，因为文本文件不是二进制，则需要单独判断

评论

2 楼 齐晓威_518 2015-01-04  

呵呵，里面有个测试用例，自己可以将相应的文件类型编码计算出来

1 楼 h191561957 2014-12-31  

判断不是太准
xlsx被断为docx
pdf也不对