Magika准确率99%的AI文件类型识别工具【免费下载链接】magikaFast and accurate AI powered file content types detection项目地址: https://gitcode.com/GitHub_Trending/ma/magikaMagika 是 Google 基于深度学习开发的文件内容类型识别工具覆盖 200 多种文件格式在超百万文件评测中达到 99% 以上的平均精确率与召回率单文件推理约 5 毫秒。做安全扫描、内容审计或大规模文件处理流水线的同学值得试试。 场景切入无扩展名文件砸到收件箱怎么办你收到一个附件名叫blob_123或者外部网站下载下来的.data文件——file命令只肯说 data扩展名骗人逐个打开看纯浪费时间。下载目录、归档目录里这种看不清身份的文件每天都在堆积靠人肉逐个判断撑不住。你需要的是一个直接看内容下判断、还能批量跑的工具。 最短路径上手30秒装好跑通文件识别pip install magika magika tests_data/basic/png/magika_test.png识别对象就是仓库自带的这张 PNG 测试图输出直接给出PNG image data (image)加-r递归扫描整个目录输出就是这样的类型清单每行一个文件按类别着色更多 CLI 选项见 Rust CLI 文档。️ 能力地图文件类型识别能帮你干什么功能说明典型命令递归目录扫描批量输出所有文件的类型清单magika -r ./dirJSON / JSONL 输出含 label、MIME 类型、置信度分数magika file --json标准输入识别管道数据直接识别无需落盘cat f \| magika -自定义输出格式路径/类型/得分占位符模板magika --format %p: %d fPython / Rust API批量推理大文件不用整体读入m.identify_paths(paths)各输出字段的含义见输出说明。 原理速览文件类型识别凭什么做到5毫秒Magika 不读整个文件它从文件头、中、尾抽取字节片段拼成特征向量交给一个仅几 MB 的 Keras 模型做分类。类比海关查验不是把整本书读完而是摸一下封面材质、书脊和最后一页判断它是什么书。因为只读固定字节推理耗时与文件大小基本无关一次喂几千个文件也没问题。模型由 2500 万文件训练而来相关论文已被 ICSE 2025 接收 组合技把文件类型识别嵌进流水线的3种方式管道识别cat data.bin | magika -对流动中的数据下判断配下载脚本用文件不必落盘。置信度过滤--json取出 label 和 score用 jq 或脚本落库低于阈值的样本转人工复核Magika 拿不准时会返回 Generic text 这类通用标签正好拿这个行为做分档。大文件省内存Python API 用identify_path而非identify_bytes内部 seek 读片段不整体加载文件。⚖️ 适用与不适用文件类型识别的边界推荐用内容审计与安全扫描快、批量且能识破被改名的文件下载目录、归档目录归类扩展名不可信时快速分桶别用看压缩包里面是什么它识别的是压缩包本身zip/tar/gz不解包看内容要看内层需解压后再扫一遍多语文件故意混排多种类型官方明确当前版本不针对此场景详见 FAQWeb 前端大批量TFJS 版单文件 100ms 以上比 CLI 慢一个量级✅ 落地清单装完先跑一次--help熟悉占位符自动化脚本一律用--json取 score低置信度结果抽样人工复核Python API 大文件走 identify_path误报带样例去提 issue现在就去终端跑第一条识别命令。【免费下载链接】magikaFast and accurate AI powered file content types detection项目地址: https://gitcode.com/GitHub_Trending/ma/magika创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考