Fiabiliser la détection du type Mime d'un fichier [Article]

[SegmentationFault]

Bonjour,

je demande votre avis sur un problème que je rencontre. En effet, je cherche la methode la plus efficace pour connaite le mime d'un fichier uploadé :

- il y a $_FILES['userfile']['type'] : ca fonctionne mais on peut le detourner facilement en changeant l'extension du fichier ou en dedouillant les parametres du navigateur

- Se baser sur l'extension du fichier : coté sécurité, c'est meme pas la peine

- mime_content_type : ca fonctionne avec un moyen inferieur à 1/10 et dans la plus part des cas elle renvoi une chaine vide

- les fonctions finfo (PECL) : la version actuelle est buguée (elle renvoi tout le temps 'application/x-dpkg'), mais meme si on contourne le probleme en supprimant tous les ! du fichier magic.mime, le resultat est tres loin d'etre satisfaisant

- je suis sur windows (apache), alors les commandes genre 'file -bi $filename' ne sont pas possible

voila, vous pouvez remarquez que je postule pas par hasard mais apres une longue recherche et des nombreuses experiences. C'est pour cette raison que je me tourne vers vous pour vous demander si vous connaissez soit : une autre methode fiable pour trouver le mime d'un fichier, ou tout simplement comment améliorer les resultats d'une des methodes citées ci-dessus.

merci bcp d'avance

[Mr N.]

Eternel problème... Même sous *nix, le "file -bi" ne retourne pas toujours un résultat cohérent (genre Word pour un Powerpoint )
Tu peux éventuellement jeter un oeil à
http://www.freedesktop.org/wiki/Stan..._2dinfo_2dspec
http://www.freedesktop.org/wiki/Soft...ared-mime-info

[juJuv51]

les quelques premier octect contient souvant des trucs genre
GIF, JFIF...

c'est vrais que ça ne sera de toute façon jamais fiable...

Personnellement, je te conseillerai d'établir un liste des entêtes de fichier type
puis avec un file() de prendre la première ligne et de contrôlé cette entête avec les types que tu à établies.

(certain fichier n'ont pas d'entête)

[SegmentationFault]

c'est bien ce que je disais, c pas du cadeau!! mais bon j'ai un peu l'habitude maintenant!

Personnellement, je te conseillerai d'établir un liste des entêtes de fichier type

oui ce genre de liste sont deja disponibles dans mon programme

file() de prendre la première ligne et de contrôlé cette entête avec les types que tu à établies

j'utilisais bien ce principe pour identifier les fichiers OpenOffice, c'est pas parfait ma ca fonctionne pas mal. Bon bein si vous dites qu'il y a que ça à faire, alors j'essayerai de le generaliser sur tous les autres types

(certain fichier n'ont pas d'entête)

tu veux dire qu'il y a des types de fichier qui n'ont pas d'etetes? parce que à la limite si j'arrive à les identifier je pourrais utiliser une autre methode pour connaitre leurs mimes!!
mais si tu veux dire que dans le meme type de fichier (word par exemple), il y a des documents qui ont des entetes et d'autres ne l'ont pas! ça ca va me tuer!
en tout cas je vais me plonger à developper un petit algo qui fera l'affaire, je vais le tester et ensuite vous le proposer pour une éventuelle vérification

comme on dit plusieurs tetes qui pensent c'est tjs mieu qu'une

EDIT : pour

http://www.freedesktop.org/wiki/Stan..._2dinfo_2dspec
http://www.freedesktop.org/wiki/Soft...ared-mime-info

j'avoue que je comprend que dale de ce qu'ils cherchent à faire mais promis je regarderai ca de plus pres ce soir

[Mr N.]

Ou comment reinventer la roue
C'est justement le role de magic.mime

Code magic.mime :

1
2
3
4
5
6
7
8
9
10
11
12
13
 
...
# msword: file(1) magic for MS Word files
#
# Contributor claims:
# Reversed-engineered MS Word magic numbers
#
 
0       string          \376\067\0\043                  application/msword
0       string          \320\317\021\340\241\261        application/msword
0       string          \333\245-\0\0\0                 application/msword
 
...

[juJuv51]

Les fichiers textes par exemples, n'ont pas d'entête par il sont brute.

Mais malheureusement, beaucoup de fichiers ne peuvent être identifié uniquement grâce à leur extension

Je pense qu'il faudrait crée une base, avec 2 types d'informations en fonction du type de fichier:
les éléments que l'on retrouve à coup sure (JFIF, GIF)
le nombre de d'octet maximum ou trouvé ses éléments (11, 3)

[Mr N.]

... ce que propose magic.mime et http://www.freedesktop.org/wiki/Soft...ared-mime-info

[juJuv51]

désolé :p on a posté en même temps :p j'avais pas vue

[lr]

Salut,

Qqun aurait-il un exemple pour utiliser magic mime ?

[Mr N.]

http://php.net/mime_content_type

Les commentaires de la doc sont à lire aussi, on trouve parfois des perles.
Par exemple, une version de `file` pour win32 :
http://gnuwin32.sourceforge.net/packages/file.htm

[juJuv51]

[Fichiers] Détecter le type d'un fichier
julp en avait parlé

[SegmentationFault]

comme Mr N. a dit, on va pas chercher à réinventer la roue. Du coup, je me suis intéressé à la version de `file` pour win32 : Elle est facile à installer et à utiliser, elle utilise aussi le mime.magic mais détecte bcp plus de type qu'avec le mime_content_type ou fileinfo

seul regret pour moi, c'est qu'elle arrive pas à détecter le powerpoint (envoi chaîne vide) : si j'arrive à la faire fonctionner sûrement en bidouillant le magic.mime, ca sera parfait!!

Pour des fichiers de text brute, il renvoi une chaîne qui contient text/plain + d'autres détails, mais bon c pas très grave, il suffit de traiter ensuite la chaîne envoyé en ne récupérant que la première partie

en fait, est ce que quelqu'un a une idée de ce qu'il faut ajouter dans le magic.mime pour détecter le powertpoint?

[Mr N.]

Envoyé par SegmentationFault

Pour des fichiers de text brute, il renvoi une chaîne qui contient text/plain + d'autres détails, mais bon c pas très grave, il suffit de traiter ensuite la chaîne envoyé en ne récupérant que la première partie

file -bi, suivi d'un explode sur le point virgule non ?

[SegmentationFault]

Envoyé par Mr N.

file -bi, suivi d'un explode sur le point virgule non ?

tout à fait!

T'as pas une idée pour le powerpoint?!

[lr]

J'ai fais un test en appelant "file" :

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
calc.ods  	application/x-zip
excel.xls 	application/msword
gif.GIF 	image/gif
impress.odp 	application/x-zip
jpg.jpg 	image/jpeg
pdf.pdf 	application/pdf
png.png 	image/png
powerpoint.ppt 	application/msword
rar.rar 	application/x-rar
text.txt 	text/plain
word.doc 	application/msword
writer.odt 	application/x-zip
zip.zip 	application/x-zip

- les documents de OpenOffice Calc, Impress et Writer sont vus comme des zip. Je sais que ce sont effectivement des zip mais du coup, comment peut-on les différencier (j'imagine que le problème sera le même avec le nouveau format de MS Office)
- excel et powerpoint sont vus comme du word

Pensez-vous qu'il existe un moyen d'affiner ça ?

[Mr N.]

Envoyé par SegmentationFault

T'as pas une idée pour le powerpoint?!

Non Mis à part la solution de freedesktop (cf liens première réponse)... que je n'ai pas testé.

@lr, quel est ton environnement ? Peut-etre que ton magic.mime n'est pas à jour...

[SegmentationFault]

Envoyé par lr

J'ai fais un test en appelant "file" :

Code :

- les documents de OpenOffice Calc, Impress et Writer sont vus comme des zip. Je sais que ce sont effectivement des zip mais du coup, comment peut-on les différencier (j'imagine que le problème sera le même avec le nouveau format de MS Office)
- excel et powerpoint sont vus comme du word

Pensez-vous qu'il existe un moyen d'affiner ça ?

c'est bizzare que ca te donne application/msword pour excel et powerpoint! j'ai la derniere version et il me donne une chaine vide pour ces deux là, et entre nous, je prefere
pour openoffice, à mon avis c'est plus simple, personnellement s'il me dit que c'est application/x-zip, alors je le detarre et je regarde s'il contient un fichier META-INF/manifest.xml, et normalement dans ce ficier il y a le mime. je sais c compliqué mais bon j'ai pas d'autres solution

EDIT: pour freedesktop t'es sur Mr N. que cette appli pour fonctionner sur windows? j'ai l'impression que c'est une appli à *nix

[lr]

Notre serveur tourne sur une Fedora Core 3. Il faut que je regarde comment mettre à jour le fichier, mais si c'est pour avoir des chaînes vides, pas sûr que je le fasse

Merci pour votre aide

[Mr N.]

Essaie de passe à FC5 ...

[Mr N.]

Envoyé par SegmentationFault

EDIT: pour freedesktop t'es sur Mr N. que cette appli pour fonctionner sur windows? j'ai l'impression que c'est une appli à *nix

Oui c'est à l'origine pour *nix, mais bon c'est du c, ça devrait se compiler sur win32
Et il y a une implémentation en PHP mais le lien est mort