我是否正确提取了这个mysqldump中的JPEG二进制数据？

Question

我有一个很旧的 .sql 备份，里面是我大约 8 年前运行的 vbulletin 网站的数据。我想查看存储在数据库中的文件附件。下面的脚本可以提取所有附件，并且通过十六进制转储来验证它们是 JPEG 格式的，检查了图像的开始（SOI）和结束（EOI）字节（分别是 FFD8 和 FFD9），这些信息可以在JPEG 维基页面上找到。

但是，当我尝试用 evince 打开这些文件时，出现了这个错误信息：“解析 JPEG 图像文件时出错（JPEG 数据流不包含图像）”。

这可能是什么原因呢？

一些背景信息：

• 这个 sqldump 大约有 8 年的历史
• 存储这些信息的软件是 vbulletin 2.x
• 很可能使用的是 php 4
• 很可能使用的是 mysql 4.0，甚至可能是 3.x
• 这些附件存储的列数据类型是 mediumtext

我的 Python 3.1 脚本：

#!/usr/bin/env python3.1

import re

trim_l = re.compile(b"""^INSERT INTO attachment VALUES\('\d+', '\d+', '\d+', '(.+)""")
trim_r = re.compile(b"""(.+)', '\d+', '\d+'\);$""")
extractor = re.compile(b"""^(.*(?:\.jpe?g|\.gif|\.bmp))', '(.+)$""")

with open('attachments.sql', 'rb') as fh:
    for line in fh:
        data = trim_l.findall(line)[0]
        data = trim_r.findall(data)[0]
        data = extractor.findall(data)
        if data:
            name, data = data[0]
            try:
                filename = 'files/%s' % str(name, 'UTF-8')
                ah = open(filename, 'wb')
                ah.write(data)
            except UnicodeDecodeError:
                continue
            finally:
                ah.close()

fh.close()

更新 JPEG 维基页面提到 FF 字节是段标记，接下来的字节表示段的类型。我看到一些不在维基页面上的字节（特别是，我看到很多 5C 字节，也就是 FF5C）。不过，那个列表只是“常见标记”，所以我想找一个更完整的列表。如果有任何建议，我也会很感激。

Answer 1

请在你的问题中添加一个示例的SQL语句，并附上一些JPEG字符串值的几行或几字节。可能这些数据是经过base64编码的，或者是直接的十六进制值。我们会进一步帮助你。

另外，通过执行以下命令，可以更容易地查看文件内容的类型：

file yourfile.jpg