
Python读取图片属性信息的实现方法
这篇文章介绍了利用Python读取图片属性信息的方法,读取的内容包括GPS 信息、图片分辨率、图片像素、设备商、拍摄设备等,有需要的朋友们可以参考借鉴。
本文是利用Python脚本读取图片信息,有几个说明如下:
1、没有实现错误处理
2、没有读取所有信息,大概只有 GPS 信息、图片分辨率、图片像素、设备商、拍摄设备等
3、简单修改后应该能实现暴力修改图片的 GPS 信息
4、但对于本身没有 GPS 信息的图片,实现则非常复杂,需要仔细计算每个描述符的偏移量
脚本运行后,读取结果如下
脚本读取的信息
这里和 Windows 属性查看器读到的内容完全一致
图片信息2
源码如下
# -*- coding:utf-8 -*-
import binascii
class ParseMethod(object):
@staticmethod
def parse_default(f, count, offset):
pass
@staticmethod
def parse_latitude(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
latitude = [0,0,0]
for i in xrange(count):
byte = f.read(4)
numerator = byte.encode('hex')
byte = f.read(4)
denominator = byte.encode('hex')
latitude[i] = float(int(numerator, 16)) / int(denominator, 16)
print 'Latitude:\t%.2f %.2f\' %.2f\"' % (latitude[0], latitude[1], latitude[2])
f.seek(old_pos)
@staticmethod
def parse_longtitude(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
longtitude = [0,0,0]
for i in xrange(count):
byte = f.read(4)
numerator = byte.encode('hex')
byte = f.read(4)
denominator = byte.encode('hex')
longtitude[i] = float(int(numerator, 16)) / int(denominator, 16)
print 'Longtitude:\t%.2f %.2f\' %.2f\"' % (longtitude[0], longtitude[1], longtitude[2])
f.seek(old_pos)
@staticmethod
def parse_make(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(count)
a = byte.encode('hex')
print 'Make:\t\t' + binascii.a2b_hex(a)
f.seek(old_pos)
@staticmethod
def parse_model(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(count)
a = byte.encode('hex')
print 'Model:\t\t' + binascii.a2b_hex(a)
f.seek(old_pos)
@staticmethod
def parse_datetime(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(count)
a = byte.encode('hex')
print 'DateTime:\t' + binascii.a2b_hex(a)
f.seek(old_pos)
# rational data type, 05
@staticmethod
def parse_xresolution(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(4)
numerator = byte.encode('hex')
byte = f.read(4)
denominator = byte.encode('hex')
xre = int(numerator, 16) / int(denominator, 16)
print 'XResolution:\t' + str(xre) + ' dpi'
f.seek(old_pos)
@staticmethod
def parse_yresolution(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(4)
numerator = byte.encode('hex')
byte = f.read(4)
denominator = byte.encode('hex')
xre = int(numerator, 16) / int(denominator, 16)
print 'YResolution:\t' + str(xre) + ' dpi'
f.seek(old_pos)
@staticmethod
def parse_exif_ifd(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(2)
a = byte.encode('hex')
exif_ifd_number = int(a, 16)
for i in xrange(exif_ifd_number):
byte = f.read(2)
tag_id = byte.encode('hex')
#print tag_id,
byte = f.read(2)
type_n = byte.encode('hex')
#print type_n,
byte = f.read(4)
count = byte.encode('hex')
#print count,
byte = f.read(4)
value_offset = byte.encode('hex')
#print value_offset
value_offset = int(value_offset, 16)
EXIF_IFD_DICT.get(tag_id, ParseMethod.parse_default)(f, count, value_offset)
f.seek(old_pos)
@staticmethod
def parse_x_pixel(f, count, value):
print 'X Pixels:\t' + str(value)
@staticmethod
def parse_y_pixel(f, count, value):
print 'y Pixels:\t' + str(value)
@staticmethod
def parse_gps_ifd(f, count, offset):
old_pos = f.tell()
f.seek(12 + offset)
byte = f.read(2)
a = byte.encode('hex')
gps_ifd_number = int(a, 16)
for i in xrange(gps_ifd_number):
byte = f.read(2)
tag_id = byte.encode('hex')
#print tag_id,
byte = f.read(2)
type_n = byte.encode('hex')
#print type_n,
byte = f.read(4)
count = byte.encode('hex')
#print count,
byte = f.read(4)
value_offset = byte.encode('hex')
#print value_offset
count = int(count, 16)
value_offset = int(value_offset, 16)
GPS_IFD_DICT.get(tag_id, ParseMethod.parse_default)(f, count, value_offset)
f.seek(old_pos)
IFD_dict = {
'010f' : ParseMethod.parse_make ,
'0110' : ParseMethod.parse_model ,
'0132' : ParseMethod.parse_datetime ,
'011a' : ParseMethod.parse_xresolution ,
'011b' : ParseMethod.parse_yresolution ,
'8769' : ParseMethod.parse_exif_ifd ,
'8825' : ParseMethod.parse_gps_ifd
}
EXIF_IFD_DICT = {
'a002' : ParseMethod.parse_x_pixel ,
'a003' : ParseMethod.parse_y_pixel
}
GPS_IFD_DICT = {
'0002' : ParseMethod.parse_latitude ,
'0004' : ParseMethod.parse_longtitude
}
with open('image.jpg', 'rb') as f:
byte = f.read(2)
a = byte.encode('hex')
print 'SOI Marker:\t' + a
byte = f.read(2)
a = byte.encode('hex')
print 'APP1 Marker:\t' + a
byte = f.read(2)
a = byte.encode('hex')
print 'APP1 Length:\t' + str(int(a, 16)) + ' .Dec'
byte = f.read(4)
a = byte.encode('hex')
print 'Identifier:\t' + binascii.a2b_hex(a)
byte = f.read(2)
a = byte.encode('hex')
print 'Pad:\t\t' + a
print
print 'Begin to print Header.... '
print 'APP1 Body: '
byte = f.read(2)
a = byte.encode('hex')
print 'Byte Order:\t' + a
byte = f.read(2)
a = byte.encode('hex')
print '42:\t\t' + a
byte = f.read(4)
a = byte.encode('hex')
print '0th IFD Offset:\t' + a
print 'Finish print Header'
print 'Begin to print 0th IFD....'
print
#print 'Total: ',
byte = f.read(2)
a = byte.encode('hex')
interoperability_number = int(a, 16)
#print interoperability_number
for i in xrange(interoperability_number):
byte = f.read(2)
tag_id = byte.encode('hex')
#print tag_id,
byte = f.read(2)
type_n = byte.encode('hex')
#print type_n,
byte = f.read(4)
count = byte.encode('hex')
#print count,
byte = f.read(4)
value_offset = byte.encode('hex')
#print value_offset
count = int(count, 16)
value_offset = int(value_offset, 16)
# simulate switch
IFD_dict.get(tag_id, ParseMethod.parse_default)(f, count, value_offset)
print
print 'Finish print 0th IFD....'
总结
利用Python读取图片属性信息的实现方法到这就基本结束了,大家都学会了吗?希望这篇文章对大家的学习或者工作带来一定的帮助,
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23