确定在Java应用程序中文档是DOC还是DOCX而不知道其扩展名

Question

内容管理系统中存在需要存储具有特定扩展名（与DOC或DOCX不同）的所有Word文档的限制。但是，在向用户输出文档时，为了提供正确的MIME类型，我们需要知道它是DOC还是DOCX文件。

那么，有没有一种方法可以通过程序的内容找出文档是DOC还是DOCX？

Answer 1

Here是ForensicsWiki的一个链接，它详细介绍了很多不同的文件类型。它描述了DOC和DOCX文件的标题，所以你应该能够解析文件并确定它们是什么类型。

综观链接，.doc文件是OLE复合文件，该文件应具有以下二进制头：

d0 cf 11 e0 a1 b1 1a e1 

在constrast，.DOCX文件将具有二进制签名：

50 4b 

Answer 2

DOCX文件是ZIP格式，其中前两个字节是字母PK（在ZIP的创建者Phil Katz之后）。