如何检测文件是PDF还是TIFF？
请耐心等待，因为我在不知道所有背景的情况下被扔到了这个项目的中间。 如果你有WTF问题，请相信我，我也有。
这是一个场景：我有一堆文件驻留在IIS服务器上。 他们没有文件扩展名。 只是名称为“asda-2342-sd3rs-asd24-ut57”等的裸文件。 没什么直观的。
问题是我需要在ASP.NET（2.0）页面上提供文件，并将tiff文件显示为tiff，将PDF文件显示为PDF。 不幸的是，我不知道哪个是哪个，我需要能够以各自的格式适当地显示它们。
例如，假设我需要显示2个文件，一个是tiff，一个是PDF。 页面应该显示tiff图像，也许是一个链接，可以在新的选项卡/窗口中打开PDF。
问题：
由于这些文件都是无扩展名，因此我必须强制IIS将所有内容作为TIFF提供。 但是，如果我这样做，PDF文件将不会显示。 我可以更改IIS以强制MIME类型为未知文件扩展名的PDF，但我有相反的问题。
http://support.microsoft.com/kb/326965
这个问题比我想象的容易吗？还是像我期待的那样令人讨厌？
好吧，有足够多的人弄错了我要发布一些我必须识别TIFF的代码：
private const int kTiffTagLength = 12; private const int kHeaderSize = 2; private const int kMinimumTiffSize = 8; private const byte kIntelMark = 0x49; private const byte kMotorolaMark = 0x4d; private const ushort kTiffMagicNumber = 42; private bool IsTiff(Stream stm) { stm.Seek(0); if (stm.Length < kMinimumTiffSize) return false; byte[] header = new byte[kHeaderSize]; stm.Read(header, 0, header.Length); if (header[0] != header[1] || (header[0] != kIntelMark && header[0] != kMotorolaMark)) return false; bool isIntel = header[0] == kIntelMark; ushort magicNumber = ReadShort(stm, isIntel); if (magicNumber != kTiffMagicNumber) return false; return true; } private ushort ReadShort(Stream stm, bool isIntel) { byte[] b = new byte[2]; _stm.Read(b, 0, b.Length); return ToShort(_isIntel, b[0], b[1]); } private static ushort ToShort(bool isIntel, byte b0, byte b1) { if (isIntel) { return (ushort)(((int)b1 << 8) | (int)b0); } else { return (ushort)(((int)b0 << 8) | (int)b1); } } 为了得到这个，我分解了一些更通用的代码。
对于PDF，我的代码如下所示：
public bool IsPdf(Stream stm) { stm.Seek(0, SeekOrigin.Begin); PdfToken token; while ((token = GetToken(stm)) != null) { if (token.TokenType == MLPdfTokenType.Comment) { if (token.Text.StartsWith("%PDF-1.")) return true; } if (stm.Position > 1024) break; } return false; }
现在，GetToken（）是对扫描程序的调用，它将Stream标记为PDF标记。 这是非常重要的，所以我不打算在这里粘贴它。 我正在使用tokenizer而不是查看substring来避免这样的问题：
% the following is a PostScript file, NOT a PDF file % you'll note that in our previous version, it started with %PDF-1.3, % incorrectly marking it as a PDF % clippath stroke showpage
上面的代码片段将此代码标记为非PDF，而更简单的代码块将错误地将其标记为PDF。
我还应该指出，目前的ISO规范没有以前Adobe拥有的规范中的实现说明。 最重要的是来自PDF参考，版本1.6：
Acrobat viewers require only that the header appear somewhere within the first 1024 bytes of the file.
可以通过查看第一个字节来检测TIFF http://local.wasp.uwa.edu.au/~pbourke/dataformats/tiff/
前8个字节构成标题。 其前两个字节是用于小端字节排序的“II”或用于大端字节排序的“MM”。
关于PDF： http ： //www.adobe.com/devnet/livecycle/articles/lc_pdf_overview_format.pdf
标题只包含一行标识PDF的版本。 示例：％PDF-1.6
阅读每种文件格式的规范将告诉您如何识别该格式的文件。
TIFF文件 – 检查字节1和2是否为0x4D4D或0x4949 ，字节2-3检查值为“42”。
该规范的第13页内容如下：
TIFF文件以8字节图像文件头开头，包含以下信息：字节0-1：文件中使用的字节顺序。 合法值为：“II”（4949.H）“MM”（4D4D.H）在“II”格式中，对于16位和32位，字节顺序始终从最低有效字节到最高有效字节位整数这称为little-endian字节顺序。 在“MM”格式中，对于16位和32位整数，字节顺序始终从最高有效到最低有效。 这称为big-endian字节顺序。 字节2-3一个任意但精心选择的数字（42），它进一步将文件标识为TIFF文件。 字节顺序取决于字节0-1的值。
PDF文件以PDF版本开头，后跟几个二进制字节。 （我想你现在必须购买当前版本的ISO规范。）
第7.5.2节
PDF文件的第一行应为包含5个字符％PDF的标题，后跟forms为1.N的版本号，其中N为0到7之间的数字。符合本标准的读者应接受任何文件以下标题：％PDF-1.0，％PDF-1.1，％PDF-1.2，％PDF-1.3，％PDF-1.4，％PDF-1.5，％PDF-1.6，％PDF-1.7从PDF 1.4开始，版本如果存在，则应使用文档目录字典中的条目（通过文件预告片中的Root条目定位，如7.5.5“文件预告片”中所述），而不是标题中指定的版本。
如果PDF文件包含二进制数据，就像大多数情况一样（参见7.2，“词汇约定”），标题行后面应紧跟一个包含至少四个二进制字符的注释行 – 即代码为128或更大的字符。 这确保了文件传输应用程序的正确行为，该应用程序检查文件开头附近的数据，以确定是将文件的内容视为文本还是二进制文件。
当然，您可以通过检查更多文件特定项来对每个文件进行“更深入”检查。
一个非常有用的文件签名列表，即Gary Kessler的“神奇数字”，可以访问http://www.garykessler.net/library/file_sigs.html
在内部，文件头信息应该有所帮助。 如果你打开一个低级文件，比如StreamReader（）或FOPEN（），请查看文件中的前两个字符……几乎每种文件类型都有自己的签名。
PDF always starts with "%P" (but more specifically would have like %PDF) TIFF appears to start with "II" Bitmap files with "BM" Executable files with "MZ"
我过去也必须处理这个问题…也有助于防止不需要的文件上传到给定的网站，并在检查后立即中止。
编辑 – 发布示例代码以读取和测试文件头类型
String fn = "Example.pdf"; StreamReader sr = new StreamReader( fn ); char[] buf = new char[5]; sr.Read( buf, 0, 4); sr.Close(); String Hdr = buf[0].ToString() + buf[1].ToString() + buf[2].ToString() + buf[3].ToString() + buf[4].ToString(); String WhatType; if (Hdr.StartsWith("%PDF")) WhatType = "PDF"; else if (Hdr.StartsWith("MZ")) WhatType = "EXE or DLL"; else if (Hdr.StartsWith("BM")) WhatType = "BMP"; else if (Hdr.StartsWith("?_")) WhatType = "HLP (help file)"; else if (Hdr.StartsWith("\0\0\1")) WhatType = "Icon (.ico)"; else if (Hdr.StartsWith("\0\0\2")) WhatType = "Cursor (.cur)"; else WhatType = "Unknown";
如果你去这里 ，你会看到TIFF通常以“幻数”0x49 0x49 0x2A 0x00（还给出一些其他定义）开头，这是文件的前4个字节。
因此，只需使用前4个字节来确定文件是否为TIFF。
编辑，以其他方式执行此操作可能更好，并首先检测PDF。 PDF的神奇数字更加标准化：正如Plinth所指出的那样，它们以“％PDF”开头，位于前1024字节（0x25 0x50 0x44 0x46）的某处。 资源
你将不得不写一个ashx来获取所请求的文件。
然后，你的处理程序应该读取前几个字节（或左右）以确定文件类型到底是什么 – PDF和TIFF在文件的开头有“魔术数”，你可以用它来确定这个，然后设置你的响应相应的标题。
你可以使用Myrmec来识别文件类型，这个库使用文件字节头。 这个库可用于nuget“Myrmec”，这是repo，myrmec也支持mime类型，你可以尝试一下。 代码将是这样的：
// create a sniffer instance. Sniffer sniffer = new Sniffer(); // populate with mata data. sniffer.Populate(FileTypes.CommonFileTypes); // get file head byte, may be 20 bytes enough. byte[] fileHead = ReadFileHead(); // start match. List results = sniffer.Match(fileHead);
并获取mime类型：
List result = sniffer.Match(head);
string mimeType = MimeTypes.GetMimeType（result.First（））;
但是支持tiff只有“49 49 2A 00”和“4D 4D 00 2A”两个签名，如果你有更多你可以添加自己，可能你可以看到myrmec的自述文件求助。 myrmec github repo