Linux file 命令:识别文件格式、MIME 类型与字符编码

file 依据文件系统信息、内容中的特征字节和文本特征推断文件类型,不是仅凭扩展名分类。即使名称没有后缀或后缀错误,也可用它查看格式、可执行文件架构、可能的字符编码及 MIME 类型;结果仍是识别判断,不是文件安全性保证。

本文介绍 Unix/Linux 中常见的 file 与 libmagic 实现,包括基本分类、MIME 输出、符号链接、压缩数据、批量检查和脚本使用。不同版本、平台及 magic 数据库可能给出不同细节。

file 命令输出什么?

file 检查每个路径,并输出适合人阅读的类型说明。以下文件须实际存在;Linux 中的 /usr/bin/ls 路径也应按本机安装位置核对。

file README.md
file photo.jpg
file /usr/bin/ls

下面是格式示意,不是所有系统上的固定输出。例如 ELF 表示“可执行与可链接格式”,LSB 表示低有效字节在前;这里的 x86-64 不能套用于其他架构。

README.md: Unicode text, UTF-8 text
photo.jpg:  JPEG image data, JFIF standard 1.01
/usr/bin/ls: ELF 64-bit LSB pie executable, x86-64, dynamically linked

普通检查读取并分类,不改写文件内容,也不会自动重命名。但必须能够访问文件,读取可能更新访问时间;-p 仅在支持的系统尝试保留该时间。

它如何识别文件格式?

常见实现依次进行以下测试,通常采用首先成功的分类结果:

  1. 文件系统测试:通过元数据区分目录、符号链接、命名管道(FIFO)、套接字及空文件等。
  2. magic 测试:将内容中特定位置的字节模式与 magic 规则数据库匹配。
  3. 文本与语言测试:分析编码、换行及内容特征,推断文本或编程语言等类型。

PNG、JPEG、PDF 和 ELF 等格式具有可识别的结构或标记,因此没有扩展名也可能被认出。没有足够特征、过短、损坏或数据库不认识的内容可能只显示 data。这不等于证明文件损坏,也不能据此决定是否可以执行。

基本语法与路径处理

file [option] file...

方括号表示可选参数,文件名是占位符。可同时指定多个目标,包括普通文件和用于查看类型的目录或特殊文件。

file report.pdf
file image.png archive.tar.gz script.sh
file /etc /dev/null /usr/bin/env

以上是独立示例。默认仅描述设备等特殊类型,不代表会读取设备内容;不要为了“看得更详细”随意添加 -s。带空格的路径要加引号,连字符开头的名称前用 -- 结束选项解析。

file "annual report.pdf"
file -- -sample.bin

单独的文件名 - 仍表示标准输入;如果真的要检查名为连字符的文件,可写 ./-。版本、可用选项和已安装手册可通过以下命令查看:

file --version
file --help
man file

系统未安装 man 或相应手册时,最后一行可能不可用,仍可先查看 file --help。

扩展名与内容识别结果

没有扩展名的文件

file /usr/bin/bash
file /usr/bin/python3
file ./run-backup

例如命令程序和脚本经常没有后缀。以 #! 开头的解释器声明称为 shebang,可能使输出包含脚本解释器信息;编译程序则可能报告 ELF、架构和动态链接等特征。路径及程序是否存在取决于发行版。

扩展名与内容不匹配

file download.dat
file attachment.bin

下载文件的 .dat 或 .bin 后缀不能决定实际格式。识别为图片或压缩数据后,仍应核对来源、对应应用和业务规则;file 不会自动更改名称,也不证明文件完整有效。

常见输出的含义

输出表达 如何理解
directory 目标是目录。
symbolic link to ... 目标是指向另一条路径的符号链接。
empty 普通文件长度为 0 字节。
ASCII text 主要由 ASCII 范围的可打印字符及常见控制字符构成。
Unicode text, UTF-8 被识别为 UTF-8 编码的 Unicode 文本。
ELF ... executable 被识别为 ELF 格式程序;是否能在本机运行还取决于架构、依赖和权限。
shared object 可能是共享库;某些版本对位置无关程序的描述也可能相近,需要进一步核对。
data 没有充分识别为已知格式或文本的其他数据。
cannot open 路径不存在或由于权限等原因无法打开,不是格式名称。

图片、文档等类型识别与恶意内容检测是不同任务。即使首部特征匹配,也可能包含损坏或恶意数据。

MIME 类型与字符编码

用 -i 一起输出类型和编码

MIME 是多用途互联网邮件扩展,其媒体类型也广泛用于 HTTP 等场景。-i(--mime)输出类型及字符集信息,代替较长的文字描述。

file -i index.html
file --mime README.md

如果内容被识别为 UTF-8 HTML,可能得到如下形式:

index.html: text/html; charset=utf-8

只输出类型或编码

file --mime-type image.webp
file --mime-encoding README.md

--mime-type 只输出媒体类型,--mime-encoding 只输出编码判断。需要去掉文件名时,再加 -b。

file -b --mime-type image.webp
file -b --mime-encoding README.md

纯 ASCII 文本可能报告 us-ascii,非文本数据常报告 binary;后者不是一种可供文本转换的字符集。编码可能存在歧义,file 的推断不等于验证每个文本字节都符合业务预期。

控制文件名前缀与对齐

用 -b 仅显示说明

file -b archive.tar.gz
file -b --mime-type photo.jpg

默认格式类似“文件名: 说明”。-b(--brief)省略文件名前缀,适合收集单个文件的类型,但脚本还必须检查错误,不能只看返回的一段文字。

用 -N 去填充,用 -F 改分隔符

file -N file1 file-with-long-name.bin
file -F ' => ' file1 file2

-N 去掉为了对齐多文件结果而添加的空格;它不改变文件名排序。-F 替换文件名与说明之间的分隔符。文件名本身可以含分隔符或换行,因此按显示行拆分并不稳妥。

支持时,单个 -0 只在文件名后加 NUL(空字符),原有分隔符仍会输出;-00 才对每项使用“文件名、NUL、说明、NUL”的形式。它们是输出格式选项,不能把 -f 的逐行输入自动变成 NUL 分隔输入;批量传递路径可采用后文的 find -exec。

检查符号链接

用 -h 查看链接本身

file -h current.log

未设置 POSIXLY_CORRECT 时,常见默认行为是不跟随链接。显式的 -h(--no-dereference)可清楚表达意图,输出链接及其指向路径。

用 -L 查看链接目标

file -L current.log
file --dereference latest-image

-L(--dereference)沿链接检查目标内容。设置 POSIXLY_CORRECT 时默认行为可能改为跟随链接,因此脚本应明确选择;目标不存在的断链会显示链接或打开错误相关信息。

压缩格式与内部数据

默认检查外层格式

file backup.tar.gz
file archive.xz

未启用解压检查时,通常报告 gzip、xz 或 bzip2 等外层压缩格式。不能把这一结果当作已经逐个验证压缩包内所有成员。

用 -z 尝试检查解压后的内容

file -z backup.tar.gz
file --uncompress archive.xz

-z(--uncompress)尝试查看受支持压缩格式里的数据,不是把所有归档成员解包到当前目录。可用的解压器取决于构建及系统环境;无法进一步识别时,应检查本机帮助和错误,不要直接关闭已有隔离措施。

解压会增加时间与资源消耗,未知来源的大型输入或压缩炸弹应受隔离、大小与资源策略约束。普通文件分类通常无须管理员权限。

一次检查多个文件

用 shell 通配模式选择

file *.jpg
file *.sh

星号由 shell 在 file 启动前展开。Bash 默认没有匹配项时可能把字面模式传进去;启用 nullglob 等设置后行为不同。大量文件还可能超过参数长度限制,因此不能假设一条 glob 命令总能覆盖全部目标。

用 -f 读取逐行文件名列表

file -f files-to-check.txt
file -F ' => ' -f files-to-check.txt

先准备 UTF-8 等适合当前环境的 files-to-check.txt,每行一条实际路径;相对路径以运行 file 时的工作目录为准,不是以列表文件所在目录为准。从 Windows 生成列表时宜使用 LF 换行;某些实现可能把 CRLF 中的回车当作路径的一部分,出现找不到文件时要检查行尾。列表中可写带空格的名称,不需要额外加 shell 引号,名称内含换行则不能用这种逐行形式无歧义表示。

-f(--files-from)遇到该选项时就处理列表,随后才继续解析其他选项,因此 -F 等影响结果的选项要写在相应 -f 前。

标准输入与递归检查

用 - 检查输入数据

printf '%s\n' 'hello' | file -

这里检查的是 hello 加换行的数据,通常识别为 ASCII 文本;不是把 hello 当作文件名。管道可能无法回退或任意定位,详细结果可以与检查普通文件时不同。

用 find -exec 传递路径

find ./uploads -type f -exec file -- {} +

示例要求当前目录下已有 uploads。-type f 选择普通文件,{} + 将找到的路径分批作为独立参数传给 file,能处理空格和换行名称。输入安全传递不表示输出就适合按行解析;需要完整机器处理时仍应选合适的结果协议。

目标很多时先缩小路径或深度。需要让打开错误影响最终命令状态时,可在适当位置加 -E;默认模式下,部分“找不到或无法读取”会被当作普通说明输出,并可能仍返回 0。

在脚本中按 MIME 类型分支

以下是独立 Bash 脚本示例。将 path 换成实际已有的输入,先检查可读普通文件,再用 -E 和返回状态识别检测失败,最后才按类型分支;exit 会结束脚本。

path='upload.bin'
if [ ! -f "$path" ] || [ ! -r "$path" ]; then
  printf '%s\n' '目标不是可读的普通文件。' >&2
  exit 1
fi
if ! mime_type=$(file -E -b --mime-type -- "$path"); then
  printf '%s\n' '文件类型检测失败。' >&2
  exit 1
fi

case "$mime_type" in
  image/jpeg|image/png|image/webp)
    printf '%s\n' '检测为支持的图片格式。'
    ;;
  *)
    printf '%s\n' "不支持的格式:$mime_type" >&2
    exit 1
    ;;
esac

例如把可信 PNG 图片复制为 upload.bin 后,仍应识别为支持的图片;普通文本即使改名为 .png,也不应仅因后缀就进入图片分支。文件在预检查后仍可能发生变化,这段代码只是分类示例,不是防止竞态或攻击的完整上传流程。

真实上传处理还需要大小限制、专用解码器或解析器、独立存储路径和适当权限,按场景增加恶意内容检查。不要依据客户端 MIME 或 file 的单次结果决定是否安全执行。

主要选项速查

选项 说明
-b、--brief 省略文件名前缀。
-i、--mime 输出 MIME 类型和字符集。
--mime-type 只输出媒体类型。
--mime-encoding 只输出编码判断。
-L、--dereference 跟随符号链接检查目标。
-h、--no-dereference 检查链接本身。
-z、--uncompress 尝试查看压缩数据中的内容。
-k、--keep-going 首次匹配后继续查找其他 magic 匹配。
-f 文件 从指定文件逐行读取待检查路径。
-F 字符串 修改文件名与说明之间的分隔符。
-N、--no-pad 去掉文件名对齐填充。
-p、--preserve-date 在支持的系统尝试保留访问时间。
-s、--special-files 还读取块设备或字符设备等特殊文件;须理解设备读取的影响。
-E 让文件系统错误作为错误退出,而不是继续按普通结果处理。
-- 结束选项解析;独立 - 文件名仍表示标准输入。

解释结果时的边界

识别是基于规则的推断

magic 规则和启发式判断可能对新格式、损坏文件、短输入或多种格式组合的文件产生歧义。需要确认结构是否有效,应交给对应格式的解析器,而不是反复改扩展名直到显示想要的结果。

格式识别不等于安全检查

文件被识别为图片或文档,并不表示所有内部数据均无害。安全边界上应结合业务允许的格式、大小和解析验证;文件名、声明 MIME 与内容分类只是不同层面的线索。

注意特殊文件与资源成本

读取设备或解压未知数据可能产生额外风险和开销。先确认对象、来源和所需范围,保持最小权限;不需要检测内容的设备文件,不要添加 -s。

常见问答

file 是按扩展名判断的吗?

主要依据文件系统元数据、magic 内容模式及文本特征。没有扩展名或名称错误时仍可能推断类型,但不保证识别全部格式。

怎样只输出 MIME 类型,不显示文件名?

使用 file -b --mime-type -- 文件名;-b 去前缀,--mime-type 选类型,-- 结束选项。

怎样检查符号链接指向文件的格式?

使用 file -L 链接名;需要查看链接自身时用 file -h 链接名。目标必须存在且可访问。

为什么只显示 data?

通常是没有匹配已知类型,也未识别为文本。输入可能是未知格式、过短或损坏,数据库也可能缺少规则;单凭 data 不能断言具体原因。

参考资料