阐述 WordPress `wp_check_filetype()` 函数的源码：如何通过文件头而非扩展名判断文件类型。 - 智猿学院-前后端，数据库，人工智能，云计算等领域前沿技术讲座

各位朋友，大家好！我是老码农，今天咱们来聊聊 WordPress 里面一个挺有意思的函数：wp_check_filetype()，重点是看看它怎么通过文件头（MIME Header）而不是简单的文件扩展名来判断文件类型。

一、文件类型判断的两种姿势：扩展名 vs. 文件头

在计算机世界里，要判断一个文件的类型，通常有两种办法：

看扩展名： 这是最简单粗暴的方法。比如 .jpg 结尾的文件，我们通常认为它是 JPEG 图片。但这方法有个致命缺点：扩展名是可以随便改的！你把一个 .txt 文件改成 .jpg，它仍然是文本文件，只是骗过了你的眼睛而已。
看文件头： 这种方法更靠谱。每个文件类型都有自己独特的“身份证”——文件头，也就是文件开头的一段特定字节。即使你改了扩展名，文件头还是不会变。wp_check_filetype() 函数就是利用这个特性来判断文件类型的。

二、wp_check_filetype() 函数：扒开源码看个透彻

wp_check_filetype() 函数位于 WordPress 的 wp-includes/functions.php 文件中。我们先来看看它的基本结构：

function wp_check_filetype( $filename, $mimes = null ) {
    /**
     * Filter the array of mime types used in wp_check_filetype().
     *
     * @since 2.0.0
     *
     * @param string[]|null $mimes Array of mime types keyed by their file extension regexes,
     *                             empty array, or null.
     */
    $mimes = apply_filters( 'upload_mimes', ( is_array( $mimes ) ) ? $mimes : get_allowed_mime_types() );

    $file = wp_check_filetype_and_ext( $filename, $mimes );

    return array(
        'ext'             => $file['ext'],
        'type'            => $file['type'],
        'proper_filename' => $file['proper_filename'],
    );
}

这个函数做了几件事：

获取允许的 MIME 类型： 首先，它通过 get_allowed_mime_types() 函数获取 WordPress 允许上传的文件类型列表。这个列表是一个关联数组，键是扩展名（正则表达式），值是 MIME 类型。同时，它还应用了 upload_mimes 过滤器，允许开发者自定义允许的文件类型。
调用 wp_check_filetype_and_ext() 函数： 接下来，它把文件名和 MIME 类型列表传给 wp_check_filetype_and_ext() 函数，这个函数才是真正干活的。
返回结果： 最后，它把 wp_check_filetype_and_ext() 函数返回的结果整理成一个数组，包含扩展名、MIME 类型和修正后的文件名。

三、wp_check_filetype_and_ext() 函数：核心逻辑揭秘

wp_check_filetype_and_ext() 函数位于 wp-includes/functions.php 文件中，是整个文件类型判断的核心。让我们深入分析它：

function wp_check_filetype_and_ext( $filename, $mimes = null, $allowed_filesize = 0 ) {
    $proper_filename = $filename;

    /**
     * Filter the array of mime types used in wp_check_filetype_and_ext().
     *
     * @since 3.0.0
     *
     * @param string[]|null $mimes Array of mime types keyed by their file extension regexes,
     *                             empty array, or null.
     */
    $mimes = apply_filters( 'upload_mimes', ( is_array( $mimes ) ) ? $mimes : get_allowed_mime_types() );

    // Filesize check
    if ( $allowed_filesize > 0 && filesize( $filename ) > $allowed_filesize ) {
        return array(
            'ext'             => false,
            'type'            => false,
            'proper_filename' => false,
        );
    }

    $type = false;
    $ext  = false;

    foreach ( (array) $mimes as $ext_preg => $mime_match ) {
        $ext_preg = '!.(' . $ext_preg . ')$!i';
        if ( preg_match( $ext_preg, $filename, $ext_array ) ) {
            $type = $mime_match;
            $ext  = $ext_array[1];
            break;
        }
    }

    // If no match is found through extension, try mime sniffing.
    if ( false === $type ) {
        $file_data = wp_check_filetype_contents( $filename, $mimes );
        if ( false === $file_data['type'] ) {
            return array(
                'ext'             => false,
                'type'            => false,
                'proper_filename' => false,
            );
        }
        $ext  = $file_data['ext'];
        $type = $file_data['type'];

        // file name may have an invalid extension in it. (See issue #19513)
        $proper_filename = $file_data['proper_filename'];
    }

    return compact( 'ext', 'type', 'proper_filename' );
}

我们来逐步分析：

获取允许的 MIME 类型（再次）： 和 wp_check_filetype() 一样，它也首先获取允许的 MIME 类型列表，并且应用了 upload_mimes 过滤器。
文件大小检查： 如果设置了 $allowed_filesize 参数，则会检查文件大小是否超过限制。如果超过，直接返回 false。
通过扩展名匹配： 它遍历允许的 MIME 类型列表，使用正则表达式匹配文件名后缀。如果找到了匹配的扩展名，就认为找到了文件类型，并设置 $type 和 $ext 变量。
MIME 嗅探（核心）： 如果通过扩展名没有找到匹配的文件类型，那么就轮到 MIME 嗅探上场了！它会调用 wp_check_filetype_contents() 函数，通过读取文件内容（文件头）来判断文件类型。
返回结果： 最后，它把找到的扩展名、MIME 类型和修正后的文件名打包成一个数组返回。

四、wp_check_filetype_contents() 函数：MIME 嗅探的秘密

wp_check_filetype_contents() 函数位于 wp-includes/functions.php 文件中，是 MIME 嗅探的关键。

function wp_check_filetype_contents( $filename, $mimes = null ) {
    if ( ! function_exists( 'mime_content_type' ) && ! function_exists( 'finfo_open' ) ) {
        return array(
            'ext'             => false,
            'type'            => false,
            'proper_filename' => false,
        );
    }

    /**
     * Filter the array of mime types used in wp_check_filetype_contents().
     *
     * @since 3.0.0
     *
     * @param string[]|null $mimes Array of mime types keyed by their file extension regexes,
     *                             empty array, or null.
     */
    $mimes = apply_filters( 'upload_mimes', ( is_array( $mimes ) ) ? $mimes : get_allowed_mime_types() );

    $file = fopen( $filename, 'rb' );
    if ( ! $file ) {
        return array(
            'ext'             => false,
            'type'            => false,
            'proper_filename' => false,
        );
    }
    $byte = '';
    $found = false;
    $offset = 0;

    /**
     * Files included in WordPress
     * These files (in the wp-includes directory) are checked
     * for file headers. Prevents malicious code from being
     * uploaded as one of these files.
     */
    $allowed_loaded_files = array(
        'wp-config.php',
        'wp-settings.php',
        'wp-mail.php',
        'wp-includes/template-loader.php',
        'wp-includes/functions.php',
    );
    $filename_check = basename( $filename );

    foreach ( $allowed_loaded_files as $allowed_file ) {
        if ( $filename_check === basename( $allowed_file ) ) {
            $found = true;
            break;
        }
    }

    if ( $found ) {
        fclose( $file );
        return array(
            'ext'             => false,
            'type'            => false,
            'proper_filename' => false,
        );
    }

    foreach ( (array) $mimes as $ext_preg => $mime_match ) {
        // Attempt to read some content from the file
        $byte = fread( $file, 4096 ); // Read up to 4KB of the file
        if ( empty( $byte ) ) {
            continue;
        }

        // First we check for unicode Byte Order Marks (BOM)
        if ( 0 === strpos( $byte, "xEFxBBxBF" ) ) {
            $byte = substr( $byte, 3 );
        }

        if ( 0 === strpos( $byte, "xFFxFE" ) ) {
            $byte = substr( $byte, 2 );
        }

        if ( 0 === strpos( $byte, "xFExFF" ) ) {
            $byte = substr( $byte, 2 );
        }

        // Check for common file headers
        $signature = '';
        switch ( $mime_match ) {
            case 'image/jpeg':
                $signature = "xFFxD8xFF";
                break;
            case 'image/gif':
                $signature = "x47x49x46x38"; // GIF8
                break;
            case 'image/png':
                $signature = "x89PNGx0dx0ax1ax0a";
                break;
            case 'application/pdf':
                $signature = '%PDF-';
                break;
            // Add more cases for other MIME types as needed
        }

        if ( ! empty( $signature ) && 0 === strpos( $byte, $signature ) ) {
            $ext = str_replace( '!.(', '', $ext_preg ); // Remove the regex characters
            $ext = str_replace( ')$!i', '', $ext );
            $ext = explode( '|', $ext );
            $ext = $ext[0]; // Use the first extension if multiple are provided

            fclose( $file );
            return array(
                'ext'             => $ext,
                'type'            => $mime_match,
                'proper_filename' => $filename,
            );
        }

        rewind( $file );
    }

    fclose( $file );
    return array(
        'ext'             => false,
        'type'            => false,
        'proper_filename' => false,
    );
}

这部分代码稍微复杂一些，我们分解开来看：

检查扩展是否可用： 首先，它检查 mime_content_type 函数（已弃用，不推荐使用）和 finfo_open 函数是否存在。这两个函数都可以用来进行 MIME 嗅探，但是 WordPress 并没有使用它们。如果这两个函数都不存在，就直接返回 false，表示无法进行 MIME 嗅探。
获取允许的 MIME 类型（再次）： 和前面一样，获取允许的 MIME 类型列表，并应用过滤器。
打开文件： 使用 fopen() 函数以二进制读取模式打开文件。如果打开失败，直接返回 false。
安全检查： 对文件名进行安全检查，防止恶意代码伪装成 WordPress 核心文件上传。如果文件名和 WordPress 核心文件相同，则返回 false。
读取文件内容： 使用 fread() 函数读取文件的前 4KB 内容。读取这么多的目的是为了覆盖大部分文件类型的头部信息。
处理 Unicode BOM： 检查文件是否包含 Unicode 字节顺序标记（BOM）。如果包含，则移除 BOM。
匹配文件头： 遍历允许的 MIME 类型列表，检查文件头是否匹配已知的 MIME 类型签名。这里使用了 strpos() 函数来判断文件头是否以特定的字节序列开头。
- 常见文件类型的签名：
  
  MIME 类型签名
  
  image/jpeg xFFxD8xFF
  
  image/gif x47x49x46x38 (GIF8)
  
  image/png x89PNGx0dx0ax1ax0a
  
  application/pdf %PDF-
找到匹配项： 如果找到了匹配的文件头，就认为找到了文件类型，提取扩展名，关闭文件，然后返回包含扩展名、MIME 类型和修正后的文件名的数组。
未找到匹配项： 如果遍历完所有的 MIME 类型都没有找到匹配的文件头，就关闭文件，然后返回 false。

MIME 类型	签名
`image/jpeg`	`xFFxD8xFF`
`image/gif`	`x47x49x46x38` (GIF8)
`image/png`	`x89PNGx0dx0ax1ax0a`
`application/pdf`	`%PDF-`

五、代码示例：模拟 wp_check_filetype_contents() 的文件头判断

为了更好地理解 MIME 嗅探的原理，我们可以自己写一个简单的函数来模拟 wp_check_filetype_contents() 的文件头判断过程：

<?php

function my_check_file_header( $filename ) {
    $file = fopen( $filename, 'rb' );
    if ( ! $file ) {
        return false;
    }

    $header = fread( $file, 8 ); // 读取前8个字节
    fclose( $file );

    $mime_types = [
        'image/jpeg' => "xFFxD8xFF",
        'image/png'  => "x89PNGx0dx0ax1ax0a",
        'image/gif'  => "x47x49x46x38",
    ];

    foreach ( $mime_types as $mime_type => $signature ) {
        if ( substr( $header, 0, strlen( $signature ) ) === $signature ) {
            return $mime_type;
        }
    }

    return false;
}

// 示例用法
$filename = 'test.jpg'; // 修改为你的文件名
$mime_type = my_check_file_header( $filename );

if ( $mime_type ) {
    echo "文件类型是: " . $mime_type . "n";
} else {
    echo "无法确定文件类型。n";
}

?>

这个例子只包含了 JPEG、PNG 和 GIF 三种文件类型的判断，你可以根据需要添加更多的 MIME 类型。

六、总结与思考

wp_check_filetype() 函数是 WordPress 中用于判断文件类型的重要工具。
它首先尝试通过扩展名来判断文件类型，如果失败，则使用 MIME 嗅探技术，通过读取文件头来判断文件类型。
MIME 嗅探技术可以提高文件类型判断的准确性，防止恶意文件被上传。
wp_check_filetype_contents() 函数是 MIME 嗅探的核心，它读取文件内容，然后与已知的 MIME 类型签名进行匹配。

思考题：

MIME 嗅探技术有哪些局限性？例如，对于某些文件类型，文件头可能不够明确，或者容易被伪造。
除了文件头，还有哪些方法可以用来判断文件类型？例如，可以使用第三方库来分析文件内容，或者使用机器学习模型来进行分类。
如何在 WordPress 中自定义允许上传的文件类型？你可以使用 upload_mimes 过滤器来实现。

好了，今天的讲座就到这里。希望大家通过这次学习，对 WordPress 的文件类型判断机制有了更深入的了解。记住，编程的世界充满了乐趣，只要你肯探索，就能发现更多的秘密！下次再见！

发表回复 取消回复

发表回复取消回复