El tipo de archivo DOCX en PHP finfo_file es application/zip

validation file-type

Question

hola, estoy tratando de validar un tipo de archivo cargado por la función finfo_file .

Pero cuando se envía un archivo .docx, el tipo de archivo es:

application/zip

en lugar de:

application/vnd.openxmlformats-officedocument.wordprocessingml.document

¿Cómo puedo cambiar este comportamiento?

Answer 1

En apache en .htaccess, agregue esto, para solucionar el problema de docx y todos los demás tipos de archivos:

AddType application/vnd.ms-word.document.macroEnabled.12 .docm
AddType application/vnd.openxmlformats-officedocument.wordprocessingml.document docx
AddType application/vnd.openxmlformats-officedocument.wordprocessingml.template dotx
AddType application/vnd.ms-powerpoint.template.macroEnabled.12 potm
AddType application/vnd.openxmlformats-officedocument.presentationml.template potx
AddType application/vnd.ms-powerpoint.addin.macroEnabled.12 ppam
AddType application/vnd.ms-powerpoint.slideshow.macroEnabled.12 ppsm
AddType application/vnd.openxmlformats-officedocument.presentationml.slideshow ppsx
AddType application/vnd.ms-powerpoint.presentation.macroEnabled.12 pptm
AddType application/vnd.openxmlformats-officedocument.presentationml.presentation pptx
AddType application/vnd.ms-excel.addin.macroEnabled.12 xlam
AddType application/vnd.ms-excel.sheet.binary.macroEnabled.12 xlsb
AddType application/vnd.ms-excel.sheet.macroEnabled.12 xlsm
AddType application/vnd.openxmlformats-officedocument.spreadsheetml.sheet xlsx
AddType application/vnd.ms-excel.template.macroEnabled.12 xltm
AddType application/vnd.openxmlformats-officedocument.spreadsheetml.template xltx

Answer 2

Esto funciona en debian. Agregue esto a / etc / magic:

#------------------------------------------------------------------------------
# $File: msooxml,v 1.1 2011/01/25 18:36:19 christos Exp $
# msooxml: file(1) magic for Microsoft Office XML
# From: Ralf Brown <[email protected]>
# .docx, .pptx, and .xlsx are XML plus other files inside a ZIP
# archive. The first member file is normally "[Content_Types].xml".
# Since MSOOXML doesn''t have anything like the uncompressed "mimetype"
# file of ePub or OpenDocument, we''ll have to scan for a filename
# which can distinguish between the three types
# start by checking for ZIP local file header signature
0 string PK/003/004
# make sure the first file is correct
>0x1E string [Content_Types].xml
# skip to the second local file header
# since some documents include a 520-byte extra field following the file
# header, we need to scan for the next header
>>(18.l+49) search/2000 PK/003/004
# now skip to the *third* local file header; again, we need to scan due to a
# 520-byte extra field following the file header
>>>&26 search/1000 PK/003/004
# and check the subdirectory name to determine which type of OOXML
# file we have
>>>>&26 string word/ Microsoft Word 2007+
!:mime application/msword
>>>>&26 string ppt/ Microsoft PowerPoint 2007+
!:mime application/vnd.ms-powerpoint
>>>>&26 string xl/ Microsoft Excel 2007+
!:mime application/vnd.ms-excel
>>>>&26 default x Microsoft OOXML
!:strength +10

Luego, dile a php que use / etc / magic como su base de datos:

$finfo = finfo_open(FILEINFO_MIME,"/etc/magic");

Answer 3

Esto se debe a que un DOCX es un archivo ZIP :

Un archivo Office Open XML es un paquete OPC compatible con ZIP que contiene documentos XML y otros recursos.

Al igual que los archivos de Open Office, los documentos son ZIP que contienen varios recursos de manera estructurada y bien definida. Entonces, cuando intenta identificar el contenido del archivo, primero ve que es un archivo ZIP. A continuación, deberá buscar en el ZIP para decidir si se trata de un archivo DOCX o OpenOffice.

Como alternativa, puede echar un vistazo a la extensión del archivo: si identifica el archivo como un ZIP y la extensión es .doc o .docx , puede asumir que es un archivo OOXML.

Answer 4

Hasta ahora, los tipos de archivos específicos del proveedor (vnd.) No están estandarizados (por ningún RFC) y, por lo tanto, no están cubiertos por file_info (). .docx es un formato xml comprimido y esa es la razón por la que file_info() devuelve application_zip (lo que es completamente correcto). Puede descomprimir el archivo y probar el tipo mime del resultado, pero eso llevará a xml (lo que también es completamente correcto) y otros archivos, que son utilizados por el documento. Para diferenciar entre los diferentes formatos XML, file_info() tuvo que analizar su contenido y debe saber cómo se ve, lo que va demasiado lejos.

Answer 5

Tuvimos el mismo problema con PHP 5.3. Funciona bien bajo PHP 7.2. Tengo la aplicación / vnd.openxmlformats-officedocument.wordprocessingml.document para mi archivo docx.

Para asegurarse de que tiene un archivo docx bajo PHP 5.3, verifique el tipo mime en el archivo [Content_Types] .xml en el archivo (docx).