Как обнаружить тип MIME из файлового буфера в Python, особенно для устаревших офисных форматов, таких как .xls, .doc, .p ⇐ Python

[Anonymous]

Я строю библиотеку Python общего назначения для извлечения текста, которая должна поддерживать ввод из любого: < /p>

• Путь файла (например, STR, указывающий на локальный файл), < /li>
  < /ul>
  или < /p>
  
  
  или < /p>
  
  
  < /ul>
  Чтобы решить, какую функцию извлечения вызывает, мне нужно обнаружить тип файла MIME.

  Код: Выделить всё

  import magic
  
  file_input.seek(0)
  mime_type = magic.Magic(mime=True).from_buffer(file_input.read(2048))
  file_input.seek(0)
  < /code>
  Это хорошо работает для современных форматов, таких как PDF, DOCX, XLSX и т. Д., Но не для устаревших форматов офиса Microsoft, таких как .xls, .doc, .ppt. < /p>
  Для них обнаруженный тип Mime всегда: < /p>
  application/x-ole-storage
  

  Это означает, что я не могу различать .doc и .xls из буфера, если я уже не знаю исходное имя файла или расширение - что может быть недоступно (например, если файл транслируется или загружается). /> magic.from_file(path) работает хорошо-но, очевидно, требует реального файла
  path < /li>
  FileType легкий, но не поддерживает .xls /.doc < /li>
  mimeTypes.gyess_type (). parsing with xlrd, or looking for streams
  inside the OLE2 structure
  
  This works, but is fragile and a bit ugly

[*]Embedding extension in metadata (e.g., as a side-channel) — not ideal
for generic libraries
< /ul>
Вопрос < /strong>
Есть ли лучший способ обнаружить тип типа MIME файла, данный только буфер Bytesio, особенно для устаревших форматов, таких как .xls, .doc и .ppt? Работает даже в потоковых или основанных на загрузке контекстах и ​​не зависит от расширений файлов? Только.

Подробнее здесь: https://stackoverflow.com/questions/795 ... egacy-offi