从浏览器上传后对存储在数据库中的二进制文件进行解码

Question

在从一个将文件存储在数据库中的CMS迁移到一个将文件存储在aws3中的系统中时，除了从Java（旧系统）中逆向工程格式并使用python从头开始实现它之外，我似乎找不到任何选择，使用Java代码或rfc1867作为参考。在

我有包含长串编码文件的数据库转储。 我不是百分之百的清楚哪个二进制文件上传编码被使用。但是每种文件类型的前几个字符之间是一致的。在

• UEsDBBQA是大量DOCX文件格式中的前8个字符，UEsDBBQABgAIAAAA是超过75%的DOCX文件中的前16个字符。在
• JVBERi0xLj是许多PDF文件的前10个字符。在

每个允许文件上传的web应用程序框架都必须对这些文件进行解码。。。所以这是一个已知的问题。但是我找不到用Python（我选择的语言）或某种命令行解码工具来解码这些字符串。。。在

file无法识别它们。在

hachoir无法识别它们。在

有什么简单的工具我可以直接安装，我不在乎它们是用C，Perl，Python，Ruby，JavaScript还是Mabolge，我只想要一个工具，它可以把编码的字符串作为输入（file，stdin，我不在乎），并输出解码后的原始文件。在

或者我是不是过度考虑了解码这些文件的算法，结果会比看上去简单，有人能告诉我如何使用纯python解码它们？在

Answer 1

将二进制数据表示为文本的最常用的编码算法是Base64。我刚刚用Java对一个PDF文件做了一个快速测试，在Base64编码时得到了完全相同的头字符序列。在

byte[] bytes = Files.readAllBytes(Paths.get("/test/test.pdf"));
String base64 = DatatypeConverter.printBase64Binary(bytes);
System.out.println(base64.substring(0, 10)); // JVBERi0xLj

所以，你很可能在寻找一个Base64解码器。在

我不做Python，这里有一个Google search suggestion和迄今为止在搜索结果中出现的第一个堆栈溢出链接：Python base64 data decode。在