提高html文件判断的准确度

[Zacharia2]

https://blog.51cto.com/u_16213330/7617727

[Zacharia2]

要判断一个文件是否是HTML文件，您可以使用Python中的一些库和技术来进行通用的检测。以下是一种通用的方法：

1. 使用Python的 magic 库来检测文件类型。magic 库可以根据文件的内容和特征自动识别文件类型。您可以使用以下代码来判断一个文件是否是HTML文件：

import magic

def is_html_file(file_path):
    mime = magic.Magic(mime=True)
    file_type = mime.from_file(file_path)
    return file_type == 'text/html'

这段代码将通过文件的 mime 类型来判断文件是否是HTML文件。如果文件是HTML文件，则返回 True，否则返回 False。

请注意，这种方法依赖于文件内容的特征，因此并非百分之百准确。如果文件的扩展名或内容被修改，结果可能不准确。

2. 检查文件的扩展名。您可以通过检查文件的扩展名来初步判断文件类型。HTML文件的典型扩展名是 .html 或 .htm。可以使用以下代码来判断文件的扩展名是否为HTML文件：

import os

def is_html_file(file_path):
    file_ext = os.path.splitext(file_path)[1]
    return file_ext.lower() in ['.html', '.htm']

该代码将获取文件的扩展名，并将其转换为小写字母，然后与HTML文件的典型扩展名进行比较。如果扩展名匹配，则返回 True，否则返回 False。

这种方法仅基于文件扩展名，因此可能会受到文件名称的误导。因此，它不像第一种方法那样可靠。

您可以根据您的具体需求选择适合的方法，并结合使用以提高准确性。

[Zacharia2]

不支持中文名，可通过 from_buffer() 读取解决

import magic

print(magic.from_buffer(open('测试图片.jpg', 'rb').read(2048), mime=True))
# image/jpeg