अपडेट पर वापस जाएँ
New releaseAug 27, 2026

magic-extractor v1.3.1

यूनिवर्सल विंडोज़ एक्सट्रैक्शन टूल जो अज्ञात फ़ाइलों का पता लगाता है और उन्हें सही बंडल किए गए एक्सट्रैक्टर तक पहुँचाता है।

साझा करें

Magic Extractor

Magic Extractor

विवरण

Magic Extractor Windows के लिए एक सार्वभौमिक एक्सट्रैक्शन टूल है जो कई डिटेक्टरों की सहायता से किसी फ़ाइल की पहचान करता है और उसे सही बंडल किए गए एक्सट्रैक्टर तक रूट करता है। इसका लक्ष्य मुख्यधारा के कम्प्रेशन फ़ॉर्मेट, आज वास्तव में दिखने वाले इंस्टॉलर, और कई कम सामान्य आर्काइवर को कवर करना है।

यह 80+ फ़ॉर्मेट को स्वतः पहचानता है — आर्काइव, इंस्टॉलर, डिस्क इमेज, फ़ॉरेंसिक इमेज (EWF/AFF/AD1), डिस्क इमेज, मेल स्टोर और आधुनिक कोडेक। पूरी सूची के लिए formats.md देखें।

त्वरित शुरुआत

नवीनतम रिलीज़ डाउनलोड करें, इसे अनज़िप करें, और चलाएँ:

magic-extractor.exe extract mystery.bin

identify, list, carve, --recursive और --bruteforce के लिए उदाहरण देखें।

प्रोजेक्ट संरचना

  • src/cli: कमांड-लाइन टूल।
    • bin: बंडल किए गए डिटेक्टर और एक्सट्रैक्टर बाइनरी।
      • detectors: DIE, Magika, binwalk (TrID की परिभाषाएँ data/signatures.json में परिवर्तित की जाती हैं)।
      • extractors: 7-Zip (फ़ॉलबैक के रूप में 7-Zip ZS सहित), unrar, unace, unshield, lessmsi, dark (WiX), और अन्य।
    • data: हैंडलर से उत्पन्न रूटिंग डेटा (नीचे देखें)।
    • formats: प्रत्येक फ़ॉर्मेट परिवार के लिए एक हैंडलर मॉड्यूल।
  • src/gui: वैकल्पिक tkinter फ़्रंट-एंड जो CLI को रैप करता है (GUI देखें)।
    • icons: लाइट और डार्क मोड के लिए PNG में बेक किए गए Fluent आइकन।
  • test: यूनिट टेस्ट, फ़ॉर्मेट और इंजन बैटरी, और प्रत्येक फ़ॉर्मेट के लिए नमूना फ़ाइलें।
  • tools: डेवलपर टूलिंग — generate_data.py (हैंडलर से रूटिंग डेटा बनाता है) और generate_icons.py (GUI आइकन बेक करता है)।
  • update: अपडेटर कॉन्फ़िग और स्क्रिप्ट जो बंडल की गई बाइनरी को रीफ़्रेश करती हैं।
  • docs: समर्थित फ़ॉर्मेट, हैंडलर कैसे जोड़ें, तृतीय-पक्ष सूचनाएँ।

संकलित बिल्ड bin/, data/ और config.ini को exe के बाहर रखता है ताकि उन्हें फ़ाइल स्वैप के साथ अपडेट किया जा सके; cli_paths.py उन्हें executable के बगल में (frozen) या src/cli/ के अंतर्गत (dev) ढूँढता है।

डिटेक्शन कैसे काम करता है

सामान्य एक्सट्रैक्शन के लिए, डिटेक्टर इस क्रम में early-exit के साथ चलते हैं — पहला जो ज्ञात हैंडलर देता है वह जीत जाता है (सबसे सस्ता पहले, इसलिए ML मॉडल आमतौर पर छोड़ दिया जाता है):

  1. puremagic — pure-python, कोई subprocess नहीं; सुगठित अभिलेखागार के लिए एक सस्ता MIME जाँच।
  2. built-in signatures — data/signatures.json में magic-byte पैटर्न; उन आर्काइवरों के नाम देता है जो इंजन चूक जाते हैं (bcm, dgca, kgb, uharc, alzip, freearc, ...) बिना किसी बाहरी प्रक्रिया के।
  3. DIE (Detect It Easy) — सिग्नेचर इंजन; इंस्टॉलर, PE और SFX के लिए विशेषज्ञ।
  4. binwalk — छोटे टाइप कुंजी (cpio, lzma, ...) और एम्बेडेड सामग्री।
  5. Magika — Google का AI कंटेंट-टाइप डिटेक्टर, कैच-ऑल के रूप में।

प्रत्येक डिटेक्टर विशिष्ट रूप से योगदान देता है (वे पूरक हैं, अनावश्यक नहीं): सिग्नेचर DB उन आर्काइवरों के नाम देता है जो इंजन चूक जाते हैं, DIE इंस्टॉलर/PE संभालता है, binwalk कुछ प्रकार पकड़ता है जो अन्य चूक जाते हैं, puremagic/Magika MIME कवर करते हैं।

PureMagic 2.x पूरी फ़ाइल प्राप्त होने पर कंटेंट-अवेयर डीप स्कैनिंग भी प्रदान करता है। पूर्ण-फ़ाइल विश्लेषण डिफ़ॉल्ट है; वैकल्पिक --fast-check मॉडिफ़ायर केवल पहले 64 KiB पास करता है जब स्टार्टअप गति गहन निरीक्षण से अधिक महत्वपूर्ण हो।

प्रत्येक हैंडलर अपने स्वयं के संकेतक detection_mimes() / detection_names() / detection_signatures() के माध्यम से घोषित करता है; tools/generate_data.py इन्हें data/handlers.json और data/signatures.json में संकलित करता है (एक वैकल्पिक data/extra_detections.json ऊपर मर्ज के साथ)। TrID का उपयोग नहीं किया जाता है।

नोट: कोई भी फ़ॉर्मेट जिसका सिग्नेचर puremagic के magic_data.json में अनुपस्थित है (या जिसे puremagic केवल एक सामान्य application/octet-stream के रूप में रिपोर्ट करता है) उसे अपने हैंडलर में एक कस्टम detection_signatures() प्रविष्टि घोषित करनी चाहिए — अन्यथा यह सामग्री द्वारा पहचाना नहीं जाएगा।

  • --bruteforce early-exit को अक्षम करता है: प्रत्येक डिटेक्टर चलता है और प्रत्येक पहचाना गया हैंडलर बारी-बारी से आज़माया जाता है (उपयोगी जब पहला अनुमान गलत हो)।
  • Executables को SFX और इंस्टॉलर हैंडलर (RAR, ACE, ARC, KGB, UHARC, Inno Setup, BitRock, Clickteam) फ़ॉलबैक उम्मीदवारों के रूप में भी मिलते हैं; प्रत्येक उन फ़ाइलों को अस्वीकार करता है जो उसकी अपनी नहीं हैं, इसलिए श्रृंखला अगले पर चली जाती है।
  • carve सबकमांड अतिरिक्त रूप से binwalk के ऑफ़सेट मैप का उपयोग करके मनमाने ऑफ़सेट पर एम्बेडेड अभिलेखागार निकालता है (जैसे फ़र्मवेयर इमेज के अंदर)।

डिटेक्शन → हैंडलर रूटिंग मैप data/handlers.json में रहता है (उत्पन्न, रनटाइम पर लोड होता है)। एक कुंजी कई हैंडलरों पर मैप हो सकती है, जिन्हें क्रम से आज़माया जाता है जब तक कोई सफल न हो: जैसे पहले 7-Zip, फिर 7-Zip ZS उसके लिए जो मुख्यधारा 7-Zip नहीं खोल सकता (LZ4 के साथ SquashFS, ZSTD के साथ NSIS)। एक सामान्य-टोकन ब्लैकलिस्ट data/detection_blacklist.json में रहती है।

समर्थित फ़ॉर्मेट

फ़ॉर्मेट और उनके हैंडलर की पूरी सूची के लिए formats.md देखें।

एक फ़ॉर्मेट जोड़ना

किसी नए फ़ॉर्मेट के लिए समर्थन जोड़ने हेतु देखें docs/adding-a-handler.md — संपूर्ण मार्गदर्शिका (हैंडलर क्लास, डिटेक्शन डिक्लेरेशन, DIE/TrID लुकअप, मैजिक सिग्नेचर, रूटिंग डेटा को पुनः जनरेट करना, टूल को बंडल करना, और परीक्षण)।

इंस्टॉलेशन (सोर्स से)

अधिकांश उपयोगकर्ता बस रिलीज़ डाउनलोड करते हैं (देखें Quick Start)। सोर्स से चलाने के लिए: Python 3.12 या नया आवश्यक है।

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

उपयोग

Magic Extractor सबकमांड्स का उपयोग करता है:

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)

बिना किसी सबकमांड के केवल एक पाथ डिफ़ॉल्ट रूप से extract पर जाता है (बैकवर्ड संगत), और विकल्प पाथ या सबकमांड से पहले भी आ सकते हैं:

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

--debug और --fast-check हर सबकमांड के साथ काम करते हैं; --password extract, list और carve के साथ।

<path> हर सबकमांड के लिए एक फ़ोल्डर हो सकता है: इसकी फ़ाइलें (सबफ़ोल्डर नहीं) एक-एक करके प्रोसेस की जाती हैं। प्रत्येक फ़ाइल को अपना आउटपुट फ़ोल्डर मिलता है: <stem>_extracted (फ़ाइल के बगल में, या दिए जाने पर output_dir के अंतर्गत), या <name>_extracted जब दो फ़ाइलें एक ही स्टेम साझा करती हैं।

यदि आउटपुट फ़ोल्डर में पहले से फ़ाइलें हैं, तो extract पिछले परिणाम के साथ मिलाए या उसे ओवरराइट किए बिना एक नए <folder>_<YYYYmmdd-HHMMSS> में लिखता है; इसके बजाय --merge-output मौजूदा फ़ोल्डर में एक्सट्रैक्ट करता है, समान नाम वाली फ़ाइलों और फ़ोल्डरों को ओवरराइट करते हुए (GUI ऐसा तब करता है जब गंतव्य लॉक हो)। जिस आर्काइव को एक्सट्रैक्ट किया जा रहा है, उसे कभी ओवरराइट नहीं किया जाता। प्रत्येक हैंडलर प्रयास अपने स्वयं के अस्थायी फ़ोल्डर में चलता है, इसलिए विफल प्रयास कभी भी आंशिक फ़ाइलें पीछे नहीं छोड़ता।

श्रेणियाँ