
magic-extractor v1.3.1
Herramienta de extracción universal para Windows que detecta archivos desconocidos y los enruta al extractor incluido adecuado.
Magic Extractor
Descripción
Magic Extractor es una herramienta de extracción universal para Windows que identifica un archivo con varios detectores y lo dirige al extractor incluido adecuado. Su objetivo es cubrir los formatos de compresión convencionales, los instaladores que realmente se ven hoy en día y una variedad de archivadores menos comunes.
Detecta automáticamente más de 80 formatos: archivos, instaladores, imágenes de disco, imágenes
forenses (EWF/AFF/AD1), imágenes de discos ópticos, almacenes de correo y códecs modernos. Consulta
formats.md para ver la lista completa.
Inicio rápido
Descarga la última versión, descomprímela y ejecuta:
magic-extractor.exe extract mystery.bin
Consulta Examples para identify, list, carve, --recursive y --bruteforce.
Estructura del proyecto
src/cli: la herramienta de línea de comandos.bin: binarios de detección y extracción incluidos.detectors: DIE, Magika, binwalk (las definiciones de TrID se convierten endata/signatures.json).extractors: 7-Zip (más 7-Zip ZS como alternativa), unrar, unace, unshield, lessmsi, dark (WiX), y más.
data: datos de enrutamiento generados a partir de los manejadores (ver más abajo).formats: un módulo manejador por familia de formatos.
src/gui: interfaz opcional en tkinter que envuelve la CLI (ver GUI).icons: iconos Fluent pregenerados como PNG para modo claro y oscuro.
test: pruebas unitarias, las baterías de formatos y motores, y archivos de muestra por formato.tools: herramientas para desarrolladores —generate_data.py(construye los datos de enrutamiento a partir de los manejadores) ygenerate_icons.py(pregenera los iconos de la GUI).update: la configuración del actualizador y los scripts que refrescan los binarios incluidos.docs: formatos soportados, cómo añadir un manejador, avisos de terceros.
La compilación mantiene bin/, data/ y config.ini externos al exe para
que puedan actualizarse con un simple reemplazo de archivos; cli_paths.py los encuentra junto al
ejecutable (congelado) o bajo src/cli/ (desarrollo).
Cómo funciona la detección
Para la extracción normal, los detectores se ejecutan en este orden con salida temprana — el primero que produce un manejador conocido gana (del más barato al más caro, por lo que el modelo ML normalmente se omite):
- puremagic — python puro, sin subproceso; una comprobación MIME barata para archivos bien formados.
- firmas integradas — patrones de bytes mágicos en
data/signatures.json; nombra archivadores que los motores pasan por alto (bcm, dgca, kgb, uharc, alzip, freearc, ...) sin proceso externo. - DIE (Detect It Easy) — motor de firmas; el especialista para instaladores, PE y SFX.
- binwalk — claves de tipo cortas (cpio, lzma, ...) y contenido incrustado.
- Magika — el detector de tipos de contenido con IA de Google, como comodín.
Cada detector aporta algo único (son complementarios, no redundantes): la base de datos de firmas nombra archivadores que los motores pasan por alto, DIE maneja instaladores/PE, binwalk captura algunos tipos que los demás pasan por alto, puremagic/Magika cubren MIME.
PureMagic 2.x también proporciona escaneo profundo consciente del contenido cuando recibe el archivo
completo. El análisis de archivo completo es el predeterminado; el modificador opcional --fast-check
pasa solo los primeros 64 KiB cuando la velocidad de inicio importa más que la inspección profunda.
Cada manejador declara sus propios indicadores mediante detection_mimes() /
detection_names() / detection_signatures(); tools/generate_data.py los compila
en data/handlers.json y data/signatures.json (con un opcional
data/extra_detections.json fusionado encima). TrID no se utiliza.
Nota: cualquier formato cuya firma falte en el
magic_data.jsonde puremagic (o que puremagic reporte solo como un genéricoapplication/octet-stream) debe declarar una entrada personalizada endetection_signatures()en su manejador — de lo contrario no será detectado por contenido.
--bruteforcedesactiva la salida temprana: se ejecutan todos los detectores y cada manejador detectado se prueba por turno (útil cuando la primera suposición es incorrecta).- Los ejecutables también obtienen los manejadores SFX e instaladores (RAR, ACE, ARC, KGB, UHARC, Inno Setup, BitRock, Clickteam) como candidatos de respaldo; cada uno rechaza los archivos que no son suyos, por lo que la cadena pasa al siguiente.
- El subcomando
carveademás utiliza el mapa de desplazamientos de binwalk para extraer archivos incrustados en desplazamientos arbitrarios (p. ej., dentro de imágenes de firmware).
El mapa de enrutamiento detección → manejador reside en data/handlers.json (generado, cargado
en tiempo de ejecución). Una clave puede asignarse a varios manejadores, probados en orden hasta que uno tenga éxito:
p. ej., 7-Zip primero, luego 7-Zip ZS para lo que el 7-Zip principal no puede abrir (SquashFS con
LZ4, NSIS con ZSTD). Una lista negra de tokens genéricos reside en data/detection_blacklist.json.
Formatos soportados
Consulta formats.md para la lista completa de formatos y sus manejadores.
Añadir un formato
Para añadir soporte para un nuevo formato, consulta docs/adding-a-handler.md — la guía de extremo a extremo (clase handler, declaración de detección, búsqueda DIE/TrID, firmas mágicas, regeneración de los datos de enrutamiento, empaquetado de la herramienta y pruebas).
Instalación (desde el código fuente)
La mayoría de los usuarios simplemente descargan la versión publicada (consulta Inicio rápido). Para ejecutar desde el código fuente: se requiere Python 3.12 o superior.
git clone <repo-url>
cd magic-extractor
pip install -r src/cli/requirements.txt
Uso
Magic Extractor utiliza subcomandos:
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)
Una ruta sin subcomando toma por defecto extract (compatible con versiones anteriores), y
las opciones pueden ir antes de la ruta o del subcomando:
python src/cli/main.py <path> <output_dir> [options]
python src/cli/main.py --debug <path>
python src/cli/main.py --version
--debug y --fast-check funcionan con todos los subcomandos; --password con
extract, list y carve.
<path> puede ser una carpeta para todos los subcomandos: sus archivos (no las subcarpetas) se
procesan uno por uno. Cada archivo obtiene su propia carpeta de salida: <stem>_extracted
(junto al archivo, o bajo output_dir cuando se especifica), o <name>_extracted cuando
dos archivos comparten el mismo stem.