Rozpoznawanie formatów

Rozpoznawanie formatów to zdolność aplikacji do automatycznego dopasowania obsługi pliku do jego rzeczywistego typu.

Na czym polega rozpoznawanie formatu pliku

Rozpoznawanie formatów oznacza ustalenie, z jakim typem danych ma do czynienia aplikacja, system operacyjny albo narzędzie diagnostyczne, a następnie wybranie właściwego sposobu ich odczytu. Format opisuje sposób uporządkowania informacji w pliku. Dokument tekstowy, obraz, nagranie dźwiękowe, archiwum i plik wykonywalny mogą mieć zupełnie różną strukturę wewnętrzną, dlatego program nie powinien traktować ich jako jednego rodzaju danych.

Rozszerzenie nazwy, takie jak .pdf, .jpg, .zip albo .docx, jest tylko wskazówką. Można je zmienić bez modyfikowania zawartości pliku, dlatego samo rozszerzenie nie daje pewności co do rzeczywistego formatu. Aplikacje często analizują także sygnaturę pliku, czyli charakterystyczny ciąg bajtów znajdujący się zwykle na początku danych. Dla przykładu pliki PNG zaczynają się od sygnatury zawierającej bajty 89 50 4E 47 0D 0A 1A 0A, a archiwa ZIP często od znaków PK, zapisanych w kodzie szesnastkowym jako 50 4B.

Rozszerzenie, sygnatura i zawartość danych

Program rozpoznający format może korzystać z kilku poziomów analizy. Najprostszy polega na odczytaniu rozszerzenia i przypisaniu go do skojarzonego programu. Taki mechanizm jest wygodny, ale podatny na błędy, ponieważ nazwa może być nieprawidłowa albo plik może zostać zapisany bez rozszerzenia. Dokładniejsze narzędzia porównują początkowe bajty z bazą sygnatur. W systemach uniksowych podobną funkcję pełni polecenie file, które analizuje zawartość zamiast opierać się wyłącznie na nazwie.

Ważny jest również typ MIME, używany między innymi przez przeglądarki internetowe i serwery. Przykładowo image/jpeg opisuje obraz JPEG, application/pdf dokument PDF, a application/zip archiwum ZIP. Typ MIME także nie zawsze jest dowodem rozstrzygającym, ponieważ może zostać błędnie ustawiony przez program, system albo serwer. Wiarygodna identyfikacja zwykle łączy nazwę, typ MIME, sygnaturę oraz próbę sprawdzenia struktury charakterystycznej dla danego formatu.

Niektóre formaty są kontenerami, czyli plikami przechowującymi kilka rodzajów elementów. Dokument DOCX jest pakietem opartym na strukturze ZIP i zawiera między innymi pliki XML, arkusze stylów oraz zasoby dokumentu. Podobnie format EPUB wykorzystuje kontener ZIP, ale jego zawartość musi spełniać reguły właściwe dla publikacji elektronicznej. Samo wykrycie ZIP nie wystarcza więc do ustalenia, czy użytkownik ma zwykłe archiwum, dokument DOCX czy plik EPUB.

Dlaczego błędne rozpoznanie powoduje problemy

Jeżeli aplikacja przypisze plikowi niewłaściwy format, może wyświetlić komunikat o uszkodzeniu, otworzyć dane jako niezrozumiałe znaki albo odmówić dalszego działania. Przykładem jest próba otwarcia obrazu JPEG w programie oczekującym dokumentu tekstowego. Problem może również wystąpić wtedy, gdy plik ma prawidłową sygnaturę, lecz jego dalsza struktura została uszkodzona. W takiej sytuacji program rozpoznaje ogólny typ danych, ale nie może poprawnie odczytać wszystkich elementów.

Rozpoznawanie formatu ma znaczenie przy importowaniu załączników, odtwarzaniu multimediów, rozpakowywaniu archiwów i otwieraniu dokumentów pobranych z internetu. Program może wykorzystywać odpowiedni dekoder, bibliotekę albo filtr tylko wtedy, gdy wie, jakiej struktury oczekiwać. W przypadku plików audio i wideo trzeba dodatkowo rozróżnić kontener od kodeka. MP4 jest kontenerem, natomiast sposób kompresji obrazu może być zapisany na przykład przy użyciu H.264 lub H.265. Samo rozszerzenie .mp4 nie określa więc wszystkich parametrów nagrania.

Nieprawidłowe rozpoznanie może być także skutkiem niepełnego pobrania, błędnego przesyłania lub zmiany końcówki nazwy przez użytkownika. Narzędzie diagnostyczne powinno wówczas porównać rozmiar pliku, sygnaturę i strukturę wewnętrzną, a nie wykonywać przypadkowe konwersje. Zmiana rozszerzenia nie naprawia danych i nie zamienia jednego formatu w inny. Konwersja wymaga odczytania pliku przez program obsługujący format źródłowy oraz zapisania nowego pliku według reguł formatu docelowego.

Rozpoznawanie formatów podczas pracy serwisowej

W praktyce serwisowej analiza formatu pomaga odróżnić problem z aplikacją od problemu z samym plikiem lub nośnikiem danych. Sprawdza się między innymi, czy rozszerzenie odpowiada sygnaturze, czy plik ma oczekiwany rozmiar oraz czy można odczytać jego nagłówki i metadane. Przy większej liczbie plików istotne jest także ustalenie, czy problem dotyczy pojedynczego dokumentu, konkretnego programu, czy całego systemu plików. Taka różnica wpływa na dalsze czynności diagnostyczne.

Na laptopie lub komputerze PC mogą wystąpić również błędy skojarzeń plików. Wtedy format jest prawidłowy, lecz system uruchamia nieodpowiednią aplikację albo nie ma zainstalowanego programu obsługującego dany typ danych. Osobną przyczyną jest brak właściwego kodeka, biblioteki lub aktualizacji programu. Weryfikacja powinna obejmować próbę otwarcia pliku w zgodnym narzędziu, kontrolę komunikatu błędu i porównanie z innym plikiem tego samego rodzaju.

Warszawskie Pogotowie Komputerowe wykonuje profesjonalną naprawę laptopów, komputerów PC i ich podzespołów, w tym diagnostykę problemów z otwieraniem dokumentów, obrazów, archiwów oraz plików multimedialnych. W przypadku podejrzenia uszkodzenia danych najpierw ustala się charakter problemu, aby nie pogorszyć stanu pliku przez przypadkowe nadpisanie lub nieprawidłową konwersję.