تمييز الملفات بتواقيعها

لا تثق باسم الملف ولا بامتداده، فالامتداد يتغيّر بنقرة. أمّا صيغة الملف الحقيقية فتخبرك بها بايتاته الأولى، إذ تبدأ كل صيغة تقريبًا بتوقيع ثابت (magic number) يكتبه البرنامج الذي أنشأ الملف:

PNG   89 50 4e 47 0d 0a 1a 0a   b"\x89PNG\r\n\x1a\n"
ZIP   50 4b 03 04               b"PK\x03\x04"
GIF   47 49 46 38 39 61         b"GIF89a"
PDF   25 50 44 46               b"%PDF"
ELF   7f 45 4c 46               b"\x7fELF"

ومن هذه التواقيع ما رأيته دون أن تنتبه، فالحرفان PK في أوّل كل ملف ZIP هما أوّل حرفين من اسم مخترع الصيغة، وملفات Word وExcel الحديثة أرشيفات ZIP في الحقيقة. والصيغة ELF هي صيغة البرامج التنفيذية في لينكس.

والتمييز في Python سهل بالطريقة data.startswith(sig)، وهي تقارن البداية وحدها، فلا يختلط عليك ملف يحمل التوقيع في وسطه بملف يبدأ به.