Torna agli aggiornamenti
New releaseAug 27, 2026

magic-extractor v1.3.1

Strumento di estrazione universale per Windows che rileva i file sconosciuti e li indirizza al giusto estrattore incluso.

Condividi

Magic Extractor

Magic Extractor

Descrizione

Magic Extractor è uno strumento di estrazione universale per Windows che identifica un file con diversi rilevatori e lo indirizza all'estrattore corretto incluso nel pacchetto. Mira a coprire i formati di compressione mainstream, gli installer che si incontrano realmente oggi e una serie di archiviatori meno comuni.

Rileva automaticamente oltre 80 formati — archivi, installer, immagini disco, immagini forensi (EWF/AFF/AD1), immagini di dischi ottici, archivi di posta e codec moderni. Consulta formats.md per l'elenco completo.

Avvio rapido

Scarica la versione più recente, estraila e avvia:

magic-extractor.exe extract mystery.bin

Vedi Esempi per identify, list, carve, --recursive e --bruteforce.

Struttura del progetto

  • src/cli: lo strumento da riga di comando.
    • bin: binari dei rilevatori e degli estrattori inclusi.
      • detectors: DIE, Magika, binwalk (le definizioni di TrID sono convertite in data/signatures.json).
      • extractors: 7-Zip (più 7-Zip ZS come fallback), unrar, unace, unshield, lessmsi, dark (WiX) e altri.
    • data: dati di routing generati dagli handler (vedi sotto).
    • formats: un modulo handler per ogni famiglia di formati.
  • src/gui: front-end tkinter opzionale che avvolge la CLI (vedi GUI).
    • icons: icone Fluent convertite in PNG per modalità chiara e scura.
  • test: test unitari, le batterie di formati e motori, e file di esempio per formato.
  • tools: strumenti per sviluppatori — generate_data.py (costruisce i dati di routing dagli handler) e generate_icons.py (genera le icone della GUI).
  • update: la configurazione dell'updater e gli script che aggiornano i binari inclusi.
  • docs: formati supportati, come aggiungere un handler, note di terze parti.

La build compilata mantiene bin/, data/ e config.ini esterni all'exe così possono essere aggiornati con una sostituzione di file; cli_paths.py li trova accanto all'eseguibile (frozen) o sotto src/cli/ (dev).

Come funziona il rilevamento

Per l'estrazione normale, i rilevatori vengono eseguiti in questo ordine con early-exit — il primo che produce un handler noto vince (prima i più economici, così il modello ML viene di solito saltato):

  1. puremagic — pure-python, nessun sottoprocesso; un controllo MIME economico per archivi ben formati.
  2. firme integrate — pattern di magic-byte in data/signatures.json; identifica gli archiviatori che i motori non rilevano (bcm, dgca, kgb, uharc, alzip, freearc, ...) senza processi esterni.
  3. DIE (Detect It Easy) — motore a firme; lo specialista per installer, PE e SFX.
  4. binwalk — chiavi di tipo brevi (cpio, lzma, ...) e contenuti incorporati.
  5. Magika — il rilevatore di content-type basato su AI di Google, come catch-all.

Ogni rilevatore contribuisce in modo unico (sono complementari, non ridondanti): il database delle firme identifica gli archiviatori che i motori non rilevano, DIE gestisce installer/PE, binwalk intercetta alcuni tipi che gli altri non rilevano, puremagic/Magika coprono il MIME.

PureMagic 2.x fornisce anche una scansione approfondita consapevole del contenuto quando riceve il file completo. L'analisi dell'intero file è l'impostazione predefinita; il modificatore opzionale --fast-check passa solo i primi 64 KiB quando la velocità di avvio conta più dell'ispezione approfondita.

Ogni handler dichiara i propri indicatori tramite detection_mimes() / detection_names() / detection_signatures(); tools/generate_data.py li compila in data/handlers.json e data/signatures.json (con un opzionale data/extra_detections.json sovrapposto). TrID non viene utilizzato.

Nota: qualsiasi formato la cui firma manca dal magic_data.json di puremagic (o che puremagic segnala solo come generico application/octet-stream) deve dichiarare una voce personalizzata detection_signatures() nel proprio handler — altrimenti non verrà rilevato in base al contenuto.

  • --bruteforce disabilita l'early-exit: ogni rilevatore viene eseguito e ogni handler rilevato viene provato a turno (utile quando la prima ipotesi è sbagliata).
  • Gli eseguibili ricevono anche gli handler SFX e installer (RAR, ACE, ARC, KGB, UHARC, Inno Setup, BitRock, Clickteam) come candidati di fallback; ognuno rifiuta i file che non sono propri, così la catena passa al successivo.
  • Il sottocomando carve utilizza inoltre la mappa degli offset di binwalk per estrarre archivi incorporati a offset arbitrari (ad esempio all'interno di immagini firmware).

La mappa di routing rilevamento → handler si trova in data/handlers.json (generata, caricata a runtime). Una chiave può mappare a più handler, provati in ordine finché uno non riesce: ad esempio prima 7-Zip, poi 7-Zip ZS per ciò che il 7-Zip principale non riesce ad aprire (SquashFS con LZ4, NSIS con ZSTD). Una blacklist di token generici si trova in data/detection_blacklist.json.

Formati supportati

Vedi formats.md per l'elenco completo dei formati e dei relativi handler.

Aggiungere un formato

Per aggiungere il supporto a un nuovo formato, consulta docs/adding-a-handler.md — la guida end-to-end (classe handler, dichiarazione di rilevamento, lookup DIE/TrID, firme magiche, rigenerazione dei dati di routing, bundling dello strumento e test).

Installazione (da sorgente)

La maggior parte degli utenti scarica semplicemente la release (vedi Avvio rapido). Per eseguire da sorgente: è richiesto Python 3.12 o superiore.

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

Utilizzo

Magic Extractor utilizza i sottocomandi:

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)

Un percorso semplice senza sottocomando assume per impostazione predefinita extract (retrocompatibile), e le opzioni possono precedere il percorso o il sottocomando:

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

--debug e --fast-check funzionano con ogni sottocomando; --password con extract, list e carve.

<path> può essere una cartella per ogni sottocomando: i suoi file (non le sottocartelle) vengono elaborati uno per uno. Ogni file ottiene la propria cartella di output: <stem>_extracted (accanto al file, oppure sotto output_dir quando specificato), o <name>_extracted quando due file condividono lo stesso stem.

Se la cartella di output contiene già dei file, extract scrive in una nuova <folder>_<YYYYmmdd-HHMMSS> invece di mescolarsi con o sovrascrivere il risultato precedente; --merge-output estrae invece nella cartella esistente, sovrascrivendo file e cartelle con gli stessi nomi (la GUI lo fa quando la destinazione è bloccata). L'archivio in fase di estrazione non viene mai sovrascritto. Ogni tentativo di handler viene eseguito nella propria cartella temporanea, così un tentativo fallito non lascia mai file parziali in giro.

Categorie