Voltar às atualizações
New releaseAug 27, 2026

magic-extractor v1.3.1

Ferramenta universal de extração para Windows que detecta arquivos desconhecidos e os direciona para o extrator integrado correto.

Compartilhar

Magic Extractor

Magic Extractor

Descrição

Magic Extractor é uma ferramenta de extração universal para Windows que identifica um arquivo com vários detetores e o encaminha para o extrator adequado incluído. O seu objetivo é cobrir os formatos de compressão mais comuns, os instaladores que realmente se veem hoje em dia e uma série de arquivadores menos comuns.

Deteta automaticamente mais de 80 formatos — arquivos, instaladores, imagens de disco, imagens forenses (EWF/AFF/AD1), imagens de disco ótico, armazenamentos de correio e codecs modernos. Consulte formats.md para a lista completa.

Início Rápido

Descarregue a versão mais recente, descomprima-a e execute:

magic-extractor.exe extract mystery.bin

Consulte Exemplos para identify, list, carve, --recursive e --bruteforce.

Estrutura do Projeto

  • src/cli: a ferramenta de linha de comando.
    • bin: binários de detecção e extração incluídos.
      • detectors: DIE, Magika, binwalk (as definições do TrID são convertidas para data/signatures.json).
      • extractors: 7-Zip (mais 7-Zip ZS como alternativa), unrar, unace, unshield, lessmsi, dark (WiX) e outros.
    • data: dados de roteamento gerados a partir dos handlers (veja abaixo).
    • formats: um módulo handler por família de formato.
  • src/gui: front-end tkinter opcional que envolve a CLI (veja GUI).
    • icons: ícones Fluent convertidos em PNGs para modo claro e escuro.
  • test: testes unitários, as baterias de formato e motor, e arquivos de exemplo por formato.
  • tools: ferramentas para desenvolvedores — generate_data.py (constrói os dados de roteamento a partir dos handlers) e generate_icons.py (gera os ícones da GUI).
  • update: a configuração do atualizador e os scripts que atualizam os binários incluídos.
  • docs: formatos suportados, como adicionar um handler, avisos de terceiros.

A compilação mantém bin/, data/ e config.ini externos ao exe para que possam ser atualizados com uma troca de arquivos; cli_paths.py os encontra ao lado do executável (congelado) ou em src/cli/ (desenvolvimento).

Como funciona a detecção

Para extração normal, os detectores são executados nesta ordem com saída antecipada — o primeiro que produzir um handler conhecido vence (do mais barato primeiro, então o modelo de ML geralmente é ignorado):

  1. puremagic — pure-python, sem subprocesso; uma verificação MIME barata para arquivos bem formados.
  2. assinaturas integradas — padrões de magic-byte em data/signatures.json; nomeia arquivadores que os motores não detectam (bcm, dgca, kgb, uharc, alzip, freearc, ...) sem processo externo.
  3. DIE (Detect It Easy) — motor de assinaturas; o especialista para instaladores, PE e SFX.
  4. binwalk — chaves de tipo curtas (cpio, lzma, ...) e conteúdo incorporado.
  5. Magika — detector de tipo de conteúdo por IA do Google, como alternativa abrangente.

Cada detector contribui de forma única (são complementares, não redundantes): o banco de assinaturas nomeia arquivadores que os motores não detectam, o DIE lida com instaladores/PE, o binwalk captura alguns tipos que os outros não detectam, puremagic/Magika cobrem MIME.

O PureMagic 2.x também fornece varredura profunda sensível ao conteúdo quando recebe o arquivo completo. A análise do arquivo completo é o padrão; o modificador opcional --fast-check passa apenas os primeiros 64 KiB quando a velocidade de inicialização importa mais que a inspeção profunda.

Cada handler declara seus próprios indicadores via detection_mimes() / detection_names() / detection_signatures(); tools/generate_data.py compila estes em data/handlers.json e data/signatures.json (com um opcional data/extra_detections.json mesclado por cima). O TrID não é usado.

Nota: qualquer formato cuja assinatura esteja ausente do magic_data.json do puremagic (ou que o puremagic reporte apenas como um genérico application/octet-stream) deve declarar uma entrada personalizada em detection_signatures() em seu handler — caso contrário não será detectado por conteúdo.

  • --bruteforce desativa a saída antecipada: todos os detectores são executados e cada handler detectado é tentado por vez (útil quando a primeira suposição está errada).
  • Executáveis também recebem os handlers SFX e de instalador (RAR, ACE, ARC, KGB, UHARC, Inno Setup, BitRock, Clickteam) como candidatos de fallback; cada um rejeita arquivos que não são seus, então a cadeia avança para o próximo.
  • O subcomando carve também usa o mapa de offsets do binwalk para extrair arquivos incorporados em offsets arbitrários (por exemplo, dentro de imagens de firmware).

O mapa de roteamento detecção → handler fica em data/handlers.json (gerado, carregado em tempo de execução). Uma chave pode mapear para vários handlers, tentados em ordem até um ter sucesso: por exemplo, 7-Zip primeiro, depois 7-Zip ZS para o que o 7-Zip principal não consegue abrir (SquashFS com LZ4, NSIS com ZSTD). Uma lista de bloqueio de tokens genéricos fica em data/detection_blacklist.json.

Formatos Suportados

Consulte formats.md para a lista completa de formatos e seus handlers.

Adicionando um formato

Para adicionar suporte a um novo formato, consulte docs/adding-a-handler.md — o guia completo (classe handler, declaração de detecção, consulta DIE/TrID, assinaturas mágicas, regeneração dos dados de roteamento, empacotamento da ferramenta e testes).

Instalação (a partir do código-fonte)

A maioria dos usuários apenas baixa a versão de lançamento (consulte Início Rápido). Para executar a partir do código-fonte: é necessário Python 3.12 ou mais recente.

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

Uso

O 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)

Um caminho simples sem subcomando assume extract por padrão (compatível com versões anteriores), e as opções podem vir antes do caminho ou do subcomando:

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 funcionam com todos os subcomandos; --password com extract, list e carve.

<path> pode ser uma pasta para todos os subcomandos: os seus ficheiros (não as subpastas) são processados um a um. Cada ficheiro recebe a sua própria pasta de saída: <stem>_extracted (junto ao ficheiro, ou em output_dir quando indicado), ou <name>_extracted quando dois ficheiros partilham o mesmo stem.

Categorias