怎么识别文件为同一个文件
- 文件长度，拥有多少个 byte
- 取文件尾部 8个byte
- 文件的 MD5
- 文件的 SHA512
- 文件的扩展名
如果两个文件长度不一样，那么一定不是同一个文件。
为什么取文件尾部 8个byte，作为一个值，是在长度相同的基础上再一次作为区分，
为什么不取头部，因为文件头部有文件的标识，所以很大概率是相同的，
为什么有 MD5 和 SHA512 还要取尾部，因为打算只用 长度+尾部 作为数据库索引。
为什么要 MD5 和 SHA512 两个，减少碰撞概率。
为什么要文件扩展名，
因为文件标识 zip 可以对应的文件扩展名有： docx、apk、epub...
同一个文件的扩展名可以改来改去，但作为最终展示，只能按用户的来~
由于文件扩展名(后缀名)是可以随意修改的，所以通过扩展名来判断是不可靠的~
至于怎么识别如何识别文件的真正格式，
我们可以读取写在文件头部的文件标识(signature)来识别，
文件的特征，请浏览 维基百科 List of file signatures
怎么读取文件标识，可以查看 GO 源码：https://github.com/golang/go/blob/master/src/net/http/sniff.go
下文是简介：
使用 字节模式（byte pattern）来识别~
PNG 图像格式文件由一个8字节的PNG文件标识（file signature）域和3个以上的后续数据块（IHDR、IDAT、IEND）组成。
PNG 文件包括 8字节文件署名（89 50 4E 47 0D 0A 1A 0A，十六进制），用来识别 PNG 格式。
| 十六进制 | 含义 |
|---|---|
| 89 | 用于检测传输系统是否支持8位的字符编码（8 bit data）， 用以减少将文本文件被错误的识别成PNG文件的机会，反之亦然。 |
| 50 4E 47 | PNG每个字母对应的ASCII，让用户可以使用文本编辑器查看时，识别出是PNG文件。 |
| 0D 0A | DOS风格的换行符（CRLF）。用于DOS-Unix数据的换行符转换。 |
| 1A | 在DOS命令行下，用于阻止文件显示的文件结束符。 |
| 0A | Unix风格的换行符（LF）。用于Unix-DOS换行符的转换。 |
也就是说，如果我们读取一个文件的前 8个字节，
内容为 [89 50 4E 47 0D 0A 1A 0A]，那么该文件就是 PNG 文件。
byte# hexadecimal text or
(hex) value Meaning
0: 47 49 46
38 39 61 GIF89a Header
Logical Screen Descriptor
6: 03 00 3 - logical screen width in pixels
8: 05 00 5 - logical screen height in pixels
A: F7 - GCT follows for 256 colors with resolution 3 × 8 bits/primary;
the lowest 3 bits represent the bit depth minus 1, the highest true bit means that the GCT is present
B: 00 0 - background color #0
C: 00 - default pixel aspect ratio
R G B Global Color Table
D: 00 00 00 0 0 0 - color #0 black
10: 80 00 00 128 0 0 - color #1
: :
85: 00 00 00 0 0 0 - color #40 black
: :
30A: FF FF FF 255 255 255 - color #255 white
30D: 21 F9 Graphic Control Extension (comment fields precede this in most files)
30F: 04 4 - 4 bytes of GCE data follow
310: 01 - there is a transparent background color (bit field; the lowest bit signifies transparency)
311: 00 00 - delay for animation in hundredths of a second: not used
313: 10 16 - color #16 is transparent
314: 00 - end of GCE block
315: 2C Image Descriptor
316: 00 00 00 00 (0,0) - NW corner position of image in logical screen
31A: 03 00 05 00 (3,5) - image width and height in pixels
31E: 00 - no local color table
31F: 08 8 Start of image - LZW minimum code size
320: 0B 11 - 11 bytes of LZW encoded image data follow
321: 00 51 FC 1B 28 70 A0 C1 83 01 01
32C: 00 - end of image data
32D: 3B GIF file terminator
从 维基百科 List of file signatures 可以看到，
avi 文件标识是这样的一种模式：52 49 46 46 ?? ?? ?? ?? 41 56 49 20
要识别这种文件，可以使用 pattern mask
像 html，xml，json 等，我们是通过起内容来识别的，
毕竟它们都可以通过在 txt 基础上修改扩展名就可以了~