Zurück zu den Updates
New releaseAug 27, 2026

magic-extractor v1.3.1

Universelles Windows-Extraktionstool, das unbekannte Dateien erkennt und sie an den richtigen gebündelten Extraktor weiterleitet.

Teilen

Magic Extractor

Magic Extractor

Beschreibung

Magic Extractor ist ein universelles Extraktionswerkzeug für Windows, das eine Datei mit mehreren Detektoren identifiziert und sie an den passenden mitgelieferten Extraktor weiterleitet. Es zielt darauf ab, gängige Kompressionsformate, die Installer, die man heute tatsächlich antrifft, und eine Reihe weniger verbreiteter Archivierer abzudecken.

Es erkennt automatisch 80+ Formate — Archive, Installer, Datenträgerabbilder, forensische Abbilder (EWF/AFF/AD1), Disc-Images, Mail-Speicher und moderne Codecs. Die vollständige Liste findest du in formats.md.

Schnellstart

Lade die neueste Version herunter, entpacke sie und führe aus:

magic-extractor.exe extract mystery.bin

Siehe Examples für identify, list, carve, --recursive und --bruteforce.

Projektstruktur

  • src/cli: das Kommandozeilenwerkzeug.
    • bin: mitgelieferte Detektor- und Extraktor-Binärdateien.
      • detectors: DIE, Magika, binwalk (TrIDs Definitionen werden nach data/signatures.json konvertiert).
      • extractors: 7-Zip (plus 7-Zip ZS als Fallback), unrar, unace, unshield, lessmsi, dark (WiX) und weitere.
    • data: Routing-Daten, die aus den Handlern generiert werden (siehe unten).
    • formats: ein Handler-Modul pro Formatfamilie.
  • src/gui: optionales tkinter-Frontend, das die CLI umschließt (siehe GUI).
    • icons: Fluent-Icons, als PNGs für Hell- und Dunkelmodus eingebettet.
  • test: Unit-Tests, die Format- und Engine-Testreihen sowie Beispieldateien pro Format.
  • tools: Entwicklerwerkzeuge — generate_data.py (erstellt die Routing-Daten aus den Handlern) und generate_icons.py (bettet die GUI-Icons ein).
  • update: die Updater-Konfiguration und Skripte, die die mitgelieferten Binärdateien aktualisieren.
  • docs: unterstützte Formate, wie man einen Handler hinzufügt, Hinweise zu Drittanbietern.

Der kompilierte Build hält bin/, data/ und config.ini außerhalb der exe, sodass sie durch Austauschen der Dateien aktualisiert werden können; cli_paths.py findet sie neben der ausführbaren Datei (gefroren) oder unter src/cli/ (Entwicklung).

Wie die Erkennung funktioniert

Für die normale Extraktion laufen die Detektoren in dieser Reihenfolge mit Early-Exit — der erste, der einen bekannten Handler liefert, gewinnt (günstigster zuerst, sodass das ML-Modell meist übersprungen wird):

  1. puremagic — reines Python, kein Subprozess; eine günstige MIME-Prüfung für wohlgeformte Archive.
  2. eingebaute Signaturen — Magic-Byte-Muster in data/signatures.json; benennt Archiver, die die Engines verpassen (bcm, dgca, kgb, uharc, alzip, freearc, ...), ohne externen Prozess.
  3. DIE (Detect It Easy) — Signatur-Engine; der Spezialist für Installer, PE und SFX.
  4. binwalk — kurze Typ-Schlüssel (cpio, lzma, ...) und eingebettete Inhalte.
  5. Magika — Googles KI-Inhaltstyp-Detektor als Auffanglösung.

Jeder Detektor trägt auf eigene Weise bei (sie sind komplementär, nicht redundant): die Signatur-DB benennt Archiver, die die Engines verpassen, DIE behandelt Installer/PE, binwalk fängt einige Typen ab, die die anderen verpassen, puremagic/Magika decken MIME ab.

PureMagic 2.x bietet außerdem inhaltsbewusstes Deep-Scanning, wenn es die vollständige Datei erhält. Die Volltextanalyse ist der Standard; der optionale --fast-check-Modifikator übergibt nur die ersten 64 KiB, wenn die Startgeschwindigkeit wichtiger ist als die eingehende Prüfung.

Jeder Handler deklariert seine eigenen Indikatoren über detection_mimes() / detection_names() / detection_signatures(); tools/generate_data.py kompiliert diese in data/handlers.json und data/signatures.json (mit einem optionalen data/extra_detections.json, das darübergelegt wird). TrID wird nicht verwendet.

Hinweis: Jedes Format, dessen Signatur in puremagics magic_data.json fehlt (oder das puremagic nur als generisches application/octet-stream meldet), muss einen eigenen detection_signatures()-Eintrag in seinem Handler deklarieren — andernfalls wird es nicht anhand des Inhalts erkannt.

  • --bruteforce deaktiviert Early-Exit: jeder Detektor läuft und jeder erkannte Handler wird der Reihe nach ausprobiert (nützlich, wenn die erste Vermutung falsch ist).
  • Ausführbare Dateien erhalten außerdem die SFX- und Installer-Handler (RAR, ACE, ARC, KGB, UHARC, Inno Setup, BitRock, Clickteam) als Fallback-Kandidaten; jeder lehnt Dateien ab, die nicht zu ihm gehören, sodass die Kette zum nächsten übergeht.
  • Der carve-Unterbefehl nutzt zusätzlich binwalks Offset-Karte, um Archive zu extrahieren, die an beliebigen Offsets eingebettet sind (z. B. innerhalb von Firmware-Images).

Die Routing-Map von Erkennung → Handler liegt in data/handlers.json (generiert, zur Laufzeit geladen). Ein Schlüssel kann auf mehrere Handler verweisen, die der Reihe nach versucht werden, bis einer erfolgreich ist: z. B. zuerst 7-Zip, dann 7-Zip ZS für das, was das Haupt-7-Zip nicht öffnen kann (SquashFS mit LZ4, NSIS mit ZSTD). Eine Blacklist generischer Tokens liegt in data/detection_blacklist.json.

Unterstützte Formate

Siehe formats.md für die vollständige Liste der Formate und ihrer Handler.

Einen Format hinzufügen

Um Unterstützung für ein neues Format hinzuzufügen, siehe docs/adding-a-handler.md — die End-to-End-Anleitung (Handler-Klasse, Erkennungsdeklaration, DIE/TrID-Lookup, Magic-Signaturen, Neugenerierung der Routing-Daten, Bündelung des Tools und Tests).

Installation (aus dem Quellcode)

Die meisten Benutzer laden einfach das Release herunter (siehe Quick Start). Um aus dem Quellcode auszuführen: Python 3.12 oder neuer ist erforderlich.

git clone <repo-url>
cd magic-extractor
pip install -r src/cli/requirements.txt

Verwendung

Magic Extractor verwendet Unterbefehle:

python src/cli/main.py extract  <path> [output_dir] [options]   # detect and extract
python src/cli/main.py identify <path>                          # report type + candidate handlers
python src/cli/main.py list     <path>                          # list archive contents
python src/cli/main.py carve    <path> [output_dir] [options]   # carve embedded archives (binwalk offsets)

Ein bloßer Pfad ohne Unterbefehl wird standardmäßig als extract interpretiert (abwärtskompatibel), und Optionen können vor dem Pfad oder dem Unterbefehl stehen:

python src/cli/main.py <path> <output_dir> [options]
python src/cli/main.py --debug <path>
python src/cli/main.py --version

--debug und --fast-check funktionieren mit jedem Unterbefehl; --password mit extract, list und carve.

<path> kann für jeden Unterbefehl ein Ordner sein: seine Dateien (nicht Unterordner) werden einzeln verarbeitet. Jede Datei erhält ihren eigenen Ausgabeordner: <stem>_extracted (neben der Datei oder unter output_dir, falls angegeben) oder <name>_extracted, wenn zwei Dateien denselben Stamm teilen.

Kategorien