学习python调用olefile库解析ole文件的基本用法

olefile是Python中用于解析和处理OLE复合文档的轻量级库，它能读取微软 Office旧格式文件（如 .doc、.xls）以及 MSI 安装包等二进制文档，提取其中的流数据、存储结构和元信息，同时支持查看文档内部结构、提取嵌入对象和元数据，适用于文件分析、文档内容提取等场景，是处理OLE格式文档的基础工具。
运行下面命令安装olefile库。

bash 复制代码

pip install olefile

olefile库的主要函数如下表所示：

序号	名称	说明
1	isOleFile	判断文件是否为OLE格式
2	OleFileIO	创建OLE文件对象
3	open / close	打开/关闭 OLE 文件
4	openstream	打开指定流，返回文件对象，如openstream('\x01Ole10Native')
5	listdir	列出OLE文件中所有的流和存储
6	exists	判断指定的流或存储在OLE文件中是否存在
7	get_size	获取指定流的字节数
8	get_type	获取指定条目的类型，返回流、存储或根目录类型
9	get_rootentry_name	获取根目录名称
10	get_metadata	获取文档元数据，返回OleMetadata 对象
11	getctime/getmtime	获取存储或流的创建/修改时间
12	get_userdefined_properties	获取指定流中的用户自定义属性
13	getclsid	获取指定流或存储的clsid
14	getproperties	获取指定流的属性

以前面文章中提取的bin文件为例，下面的示例代码获取ole文件的所有流和存储、元数据信息：

python 复制代码

import olefile

filename='xml.bin'

# 检查文件是否为 OLE 格式
is_ole = olefile.isOleFile(filename)
print(f"Is OLE file: {is_ole}")  

with olefile.OleFileIO(filename) as ole:
    # 获取根目录信息
    root = ole.root
    print(f"Root: {root}")
    
    # 列出所有流和存储
    print("\nAll entries:")
    for entry in ole.listdir():
        print(f"  {entry}")

    # 获取元数据
    metadata = ole.get_metadata()
    print(f"Author: {metadata.author}")
    print(f"Title: {metadata.title}")
    print(f"Created: {metadata.create_time}")
    print(f"Modified: {metadata.last_saved_time}")
    
    # 获取文件属性
    print("\nProperties:")
    for prop in metadata.SUMMARY_ATTRIBS:
        value = getattr(metadata, prop, None)
        if value:
            print(f"  {prop}: {value}")

使用olefile库也能读取OLE文件中指定流的数据，但是遇到和C#调用OpenMcdf模块解析OLE文件类似的问题，想从\x01Ole10Native流中提取原始文件名称及数据，但不知道数据结构，还得继续查找资料。

参考文献：

$1$ https://www.modb.pro/db/585135

$2$ https://github.com/decalage2/olefile

$3$ https://olefile.readthedocs.io/en/latest/