Django/Python:如何读取文件并验证它是否是音频文件

Question

可能重复：
Django(音频(文件验证

我正在构建一个网络应用程序，用户可以在其中上传媒体内容，包括音频文件。

我在AudioFileUploadForm中有一个干净的方法，它验证以下内容：

• 音频文件不是太大
• 音频文件具有有效的content_type(MIME类型(
• 音频文件具有有效的扩展名

但是，我担心安全性。用户可以上传带有恶意代码的文件，并轻松通过上述验证。我接下来要做的是验证音频文件确实是一个音频文件(在它写入磁盘之前(。

我该怎么做？

class UploadAudioForm(forms.ModelForm):
    audio_file = forms.FileField()
    def clean_audio_file(self):
        file = self.cleaned_data.get('audio_file',False):
            if file:
                if file._size > 12*1024*1024:
                    raise ValidationError("Audio file too large ( > 12mb )")
                if not file.content_type in ['audio/mpeg','audio/mp4', 'audio/basic', 'audio/x-midi', 'audio/vorbis', 'audio/x-pn-realaudio', 'audio/vnd.rn-realaudio', 'audio/x-pn-realaudio', 'audio/vnd.rn-realaudio', 'audio/wav', 'audio/x-wav']:
                    raise ValidationError("Sorry, we do not support that audio MIME type. Please try uploading an mp3 file, or other common audio type.")
                if not os.path.splitext(file.name)[1] in ['.mp3', '.au', '.midi', '.ogg', '.ra', '.ram', '.wav']:
                    raise ValidationError("Sorry, your audio file doesn't have a proper extension.")
                # Next, I want to read the file and make sure it is 
                # a valid audio file. How should I do this? Use a library?
                # Read a portion of the file? ...?
                if not ???.is_audio(file.content):
                    raise ValidationError("Not a valid audio file.")
                return file
            else:
                raise ValidationError("Couldn't read uploaded file")

编辑：通过"验证音频文件确实是一个音频文件"，我的意思是：

包含音频文件典型数据的文件。我担心用户可能会上传带有适当标题的文件，并用恶意脚本代替音频数据。例如mp3文件是mp3文件吗？或者它是否包含一些mp3文件的异常内容？

Answer 1

另一个发布的答案的替代方案，用于header解析。这意味着某人仍然可以在有效的标头后面包含其他数据。

是为了验证整个文件，这需要更多的CPU，但也有更严格的策略。可以做到这一点的库是python audiotools，相关的API方法是AudioFile.verify.

像这样使用：

import audiotools
f = audiotools.open(filename)
try:
    result = f.verify()
except audiotools.InvalidFile:
    # Invalid file.
    print("Invalid File")
else:
    # Valid file.
    print("Valid File")

警告是，此verify方法非常严格，实际上可以将编码不正确的文件标记为无效。您必须自己决定这是否适合您的用例。

Answer 2

其想法是使用诸如sndhdr之类的实用程序来尝试读取文件的头。

from sndhdr import what
import os
from settings import MEDIA_ROOT
...
if what( os.path.join( MEDIA_ROOT, file.name ) ) == None:
# header parse failed, so, it could be a non-audio file.

在这种情况下，必须确保实用程序无法将非音频文件识别为音频文件。

我从来没有使用过sndhdr实用程序，所以，最好使用另一个。例如，还有诱变剂项目。

更新。

更专业的方法。

1. 让用户在并没有验证的情况下上传他的文件
2. 创建一个与一个文件关联的特殊模型字段：is_checked。设置字段默认情况下为False
3. 不要让其他用户下载具有is_checked==错误
4. 组织运行检查未检查文件的反恶意软件软件。软件必须作为Python任务中的函数调用。函数必须回答以下问题：某个特定文件是否包含恶意软件部分
5. 如果当前文件包含恶意软件部分，请将其删除，并删除有关文件否则，在任务中设置is_checked=True

为什么是分开的任务？因为这种恶意软件检查可能是一项漫长的操作。