确定字节[]是否为pdf文件

Question

有没有任何方法可以在不打开的情况下检查byte[]是否为pdf？

我有一些代码可以将byte[]列表显示为pdf缩略图。我之前知道所有的byte[]都是pdf的，因为我们过滤servlet只返回这些。现在需求已经改变，我需要恢复所有的文件类型。有没有办法检查byte[]是什么，或者更具体地说，确定它是否是pdf？

Answer 1

检查数组的前4个字节。

如果这些是0x25 0x50 0x44 0x46，那么它很可能是一个PDF文件。

Answer 2

前四个字节应为：0x25 0x50 0x44 0x46（十六进制格式，ASCII格式为%PDF）。其他格式的"幻数"，您可以在这里找到

Answer 3

据我所知，所有PDF都以%PDF开头，因此您可以对照此字符串检查第一个字节。

Answer 4

虽然标记的答案和其他答案都是正确的，但它们不会100%成功。问题是PDF规范说%PDF-1.x只需要在前1024个字节中，而不需要在前4个字节中。某些程序会在%PDF之前添加信息，并且仍然有效。

我建议您看看以下堆栈溢出问题的答案：如何检测文件是PDF还是TIFF？

Answer 5

如果有人想要一些基于查找"%"的C#代码PDF"；在前1024个字节中，有一些：

    public bool IsAPdf(byte[] bytes) { 
        if(bytes?.Length < 4) return false;
        var stopBefore = Math.Min(bytes.Length, 1024) - 3;
        for(var i = 0; i < stopBefore; i++)  
            if(bytes[i] == '%' 
                && bytes[i+1] == 'P' 
                && bytes[i+2] == 'D' 
                && bytes[i+3] == 'F') return true; 
        return false;
    }

Answer 6

我一直有这个问题。我们使用了GitHub的一些Magic库，可以很好地将内容确定为PDF。然而，我们收到了一些

1. 在PDF阅读器中打开
2. %PDF-之前确实有不同的起始字节（5）
3. 以这8个字节0A 0D 0A 30 0D 0A 0D 0A结尾

因此，我添加了逻辑来检查这些起始字节5-9，以及最后的8个字节，当具有PDF扩展名的文件不匹配时。