Detector de tipo de archivo — los bytes deciden, no el nombre
Detector de tipo de archivo
La extensión de un archivo es solo una etiqueta — renombrar virus.exe a foto.jpg no cambia nada en su interior. Esta página lee los primeros bytes de cada archivo cargado y los compara con más de 60 firmas reales: imágenes, documentos, archivos comprimidos, audio y vídeo, tipografías, ejecutables, bases de datos y claves. Obtiene el tipo detectado, el tipo MIME, las extensiones que ese tipo usa normalmente, un aviso cuando la extensión contradice el contenido y, cuando el formato lo incluye, datos adicionales (dimensiones de la imagen, versión de PDF, marca de MP4). Todo se inspecciona en local, en su navegador.
Elija archivos
Suelte aquí los archivos, o haga clic para elegirlos Uno o varios archivos. Solo se leen los primeros 512 bytes de cada uno; los archivos nunca salen de este equipo.
No hay archivos seleccionados.
Resultados
La tabla de detección aparecerá aquí después de elegir archivos y pulsar Detectar.
Qué significa «coincidencia»:coherente — la extensión coincide con el formato detectado; discrepancia — el contenido es un formato distinto del que indica la extensión (un archivo renombrado o algo peor); «sin firma» — los primeros bytes no coinciden con ninguna firma conocida, lo que es normal en texto plano, CSV y la mayoría de formatos de datos que simplemente no tienen cabecera. Privacidad: los archivos se leen con el FileReader del propio navegador; no se sube nada.
¿Qué es una firma de archivo?
Casi todos los formatos binarios empiezan por una secuencia fija de bytes — el número mágico — colocada para que un programa reconozca sus propios archivos sin fiarse del nombre. Un PNG siempre empieza por los ocho bytes 89 50 4E 47 0D 0A 1A 0A («\x89PNG\r\n\x1a\n»), un PDF por el texto ASCII %PDF, y un ZIP por PK\x03\x04 (las iniciales de Phil Katz, que diseñó el formato). Los sistemas operativos suelen ignorar estos bytes y fijarse en la extensión, por eso un archivo renombrado no se abre bien en ningún sitio, y por eso las herramientas de seguridad analizan el contenido.
Primeros bytes famosos
Bytes
Formato
Nota
89 50 4E 47 0D 0A 1A 0A
Imagen PNG
el \r\n protege frente a la corrupción de los finales de línea
FF D8 FF
Imagen JPEG
cada fotograma JPEG empieza con un marcador SOI
25 50 44 46 2D
Documento PDF
«%PDF-1.7»: la versión va a continuación
50 4B 03 04
Archivo ZIP
docx, xlsx, odt y epub son archivos ZIP con otra extensión
D0 CF 11 E0
Office antiguo
doc, xls, ppt y msi: el archivo compuesto OLE2
4D 5A
EXE de Windows
«MZ», por Mark Zbikowski, de Microsoft
7F 45 4C 46
ELF de Linux
\x7fELF: programas y bibliotecas compartidas
1A 45 DF A3
Matroska/WebM
inicio del contenedor EBML
75 73 74 61 72en el desplazamiento 257
Archivo TAR
la firma queda oculta en lo profundo de la cabecera
Cómo decide el detector
Los primeros 512 bytes de cada archivo se comparan con una tabla de firmas en orden de especificidad: las marcas de contenedor (RIFF…WAVE frente a RIFF…AVI frente a RIFF…WEBP, y las cajas de marca ISO en el desplazamiento 8) se comprueban antes que sus contenedores genéricos, y los formatos basados en ZIP (EPUB, ODF, OOXML) antes que el ZIP simple. Cuando un formato lleva metadatos autodescriptivos, la página profundiza un nivel: las dimensiones de PNG, GIF, BMP, JPEG y WebP se leen de sus cabeceras; la versión de PDF, del byte 5; y la marca de MP4 y la versión de clase Java, de sus desplazamientos estándar. Los archivos que no coinciden con nada pasan por una heurística de texto (BOM, <?xml, <html, shebang, proporción de caracteres imprimibles) antes de clasificarse como desconocidos.
Errores habituales
«Dice ZIP pero el archivo es .docx» — es correcto: un .docx es un archivo ZIP cuya primera entrada es [Content_Types].xml; el detector reconoce ese caso e informa concretamente de Office Open XML. «Dice sin firma pero el archivo se abre bien» — CSV, la mayor parte del código fuente y multitud de formatos científicos no tienen bytes mágicos en absoluto; «sin firma» no es una acusación. «¿Puede decirme si el archivo es seguro?» — no. El análisis del contenido dice lo que un archivo es, no lo que hace; un EXE es un EXE, sea un instalador o malware.
Preguntas frecuentes
¿Por qué solo 512 bytes? — todas las firmas admitidas están dentro de los primeros 512 bytes (la más profunda es ustar de TAR, en el desplazamiento 257); leer más ralentizaría los lotes grandes sin ningún beneficio. ¿Detecta la duración de un vídeo? — no; solo el contenedor y su marca. La duración exige analizar todo el índice, y eso es trabajo de un reproductor. ¿Varios archivos a la vez? — sí; arrastre una selección completa y cada fila se detecta de forma independiente. Páginas relacionadas: para el camino inverso (extensión a tipo MIME) use la Búsqueda de tipo MIME; para calcular el hash de los mismos archivos, use el Hash por lotes de archivos.