已恢复文件的扩展名只是一个标签,不能证明其内容。识别未知文件时,应结合来源、内部特征、容器结构以及适当的应用程序能够读取的内容进行判断。检查期间保持恢复副本不变;重命名另一个副本可能有助于应用程序识别它,但无法恢复缺失的数据。

区分四个问题
你可能想弄清四件不同的事:文件原来叫什么、其字节看起来属于哪种格式、其结构是否有效,以及它是否包含你想要的内容。一个问题的答案并不能解决其他问题。
例如,一个名为 holiday.jpg 的文件可能包含 JPEG、其他图像格式或不完整的数据。格式检测工具可能识别出 JPEG 文件头,但解码器在处理图像后续部分时失败。即使 JPEG 能正确解码,它也可能只是嵌入的小尺寸预览图,而非原始照片。
记录恢复时得到的原始文件名、字节大小、来源文件夹以及恢复方法(如果已知)。使用副本进行操作。如果计算了哈希值,请将其与这些记录一起保存:它标识的是你检查过的字节,不能证明这些字节在数据丢失前是正确的。
将扩展名作为线索
熟悉的扩展名可以提示你首先检查哪个应用程序或格式类别。扩展名缺失或与预期不符,也可能反映出文件系统元数据丢失,或是恢复工具采用了特定的命名方式。
比较文件名之前,请先在文件浏览器中显示扩展名。留意完整名称,以免将 report.pdf.exe 误认为 PDF。不要运行未知的可执行文件来查看其中的内容,也不要仅仅因为恢复的文件要求启用宏就启用文档宏。
如果检测工具报告的格式高度匹配结果与扩展名不一致,请同时记录这两项观察结果。不要立即重命名整个恢复文件夹。一个具有误导性的名称不能说明所有文件都有相同的问题。
查找内部识别证据
格式识别工具会查找具有特征的字节模式,并在支持时查找结构线索。英国国家档案馆的 DROID 文档 介绍了如何使用 PRONOM 登记库中的内部特征进行识别。请在记录结果时一并记下工具和特征数据库的版本,因为其覆盖范围会变化。
识别结果可能是具体的、初步的、含糊的,也可能识别失败。如果工具只能识别出它是归档文件或某种宽泛的媒体容器,请保留这一确定程度。“未知”结果比给文件加上一个自信但缺乏依据的扩展名更可取。
仅有可识别的字节并不能完整验证文件的有效性。美国国会图书馆分别列出了 JPEG/JFIF 和 带 Exif 元数据的 JPEG的不同识别模式。开头与预期匹配可以作为格式判断的证据,但不能证明图像其余的压缩数据仍然存在。
识别容器及其内容
有些扩展名表示包含多个组成部分的文件包。Microsoft 的文档说明, Office Open XML 文件使用 ZIP 封装。因此,在恢复的 .docx 中发现 ZIP 结构与它是 Word 文档这一判断相符,但仅凭这一点无法认定它是完整的 Word 文档。
支持文件包的检查工具可以在不重新保存文档的情况下检查其内部组成部分及其关系。Microsoft 解释说, 与文档组成部分的关系可用于区分文档类别。请保留外层容器及其内部名称;将选定部分提取到新归档文件中,与识别原始文件是不同的操作。
同样的区别对视频也很重要。多媒体容器可以包含多个流。识别出容器名称并不意味着识别了每种编解码器、确定了录制时长,也不能证明每个流都能解码。官方 ffprobe 文档 介绍了如何检查容器及其媒体流。应将报告中的元数据视为检查结果,再单独核对实际内容。
在工作副本上验证判断
确定可能的格式后,用合适且仍在维护的应用程序打开工作副本。如果应用程序要求覆盖唯一的恢复副本,请拒绝。如果应用程序提供修复或转换功能,请将结果另存,并记录所做的转换。
使用简短的证据表,而不是仅标记“良好”:
| 观察结果 | 支持的判断 | 仍待确认的问题 |
|---|---|---|
| 扩展名与检测工具的结果一致 | 命名与推测的格式一致 | 文件是否完整,以及是否为原始文件 |
| 内部签名匹配 | 存在可识别的格式证据 | 其余结构是否有效 |
| 应用程序能够打开文件 | 该应用程序至少能解析文件的一部分 | 是否缺少页面、帧、音轨或图像区域 |
| 内容与独立参考资料一致 | 检查过的内容符合预期 | 未检查的部分或被更改的元数据 |
对于图像,请检查其尺寸和整个画面。对于文档,请检查所需页面和嵌入的项目。对于录制文件,请检查其媒体流并完整播放。即使文件的其余部分无法访问,首页预览或视频缩略图仍可能正常显示。
对不确定的结果保持审慎
如果两个检测工具的结果不一致,请保留它们的报告,并检查它们是否识别了不同的层级:外层归档文件、内部文档或嵌入的图像。较大文件中的预览图可能确实是一张图像,但并非丢失的原始文件。
如果没有工具能够识别该文件,可能的原因包括格式不受支持、文件已加密、缺少识别数据,或这些字节本身并不构成文件。仅凭这一结果无法区分这些原因。请结合已知的源应用程序、周围的文件和留存的记录,缩小排查范围。
不要添加伪造的文件头,也不要反复更改扩展名,直到查看器显示出某些内容。这样可能产生新的文件,同时掩盖恢复出的证据。信息不足时,请记录“格式未确定”,并保留原始导出文件。
最后留下可复现的识别记录
一份有用的结论应说明推测的格式、判断依据、使用的软件以及检查的局限。例如,识别记录可以写成:“内部签名和包结构检查支持其为 Word 文档的判断;应用程序能够打开它;嵌入对象尚未检查。”
格式识别应与重新扫描源设备、证明原始字节全部保留,以及判断恢复产品支持哪些格式区分开来。这些问题都需要各自的证据。这样既能更容易地调查未知文件,也不会将看似合理的格式判断当作恢复成功的保证。