Was ist das für eine Datei?

Ein Dateiname ist ein Etikett, kein Beweis

Die Endung, also das .jpg oder .pdf am Ende des Namens, ist nur ein Teil des Namens: Jeder kann sie ändern, und viele Programme verlieren sie unterwegs. WhatsApp speichert manche Dokumente ohne Endung, Outlook verschickt Anhänge namens ATT00001, eine Übertragungs-App benennt iPhone-Fotos in .jpg um, obwohl sie HEIC bleiben, eine Unternehmenssoftware exportiert eine CSV und nennt sie .xls. Das System wählt dann das falsche Programm oder gar keins, und die Datei „lässt sich nicht öffnen“.

Der Inhalt dagegen lügt nicht, denn fast jedes Format beginnt mit einer Signatur: ein paar Bytes, die immer gleich sind und absichtlich von dem gesetzt wurden, der das Format erfunden hat. Ein PDF beginnt mit den Buchstaben %PDF, ein PNG-Bild mit acht festen Bytes, ein ZIP-Archiv mit den Buchstaben PK, den Initialen von Phil Katz, der es 1989 erfunden hat. Diese Seite liest diese Bytes und sagt dir, was die Datei ist, welche Endung die richtige ist und, falls es eines gibt, welches Tool dieser Website sie öffnet.

Umbenennen ist kein Umwandeln. Ist das Foto ein HEIC, wird es kein JPEG, wenn du es .jpg nennst: Nur das Etikett ändert sich, und genau so entstehen so viele Dateien, die sich nicht öffnen lassen. Ist die Endung falsch, bietet dir die Seite eine Kopie mit dem richtigen Namen an, mit genau denselben Bytes; brauchst du dagegen ein anderes Format, brauchst du einen Konverter, etwa HEIC in JPG umwandeln.

Wie die Seite eine Vier-Gigabyte-Datei liest, ohne sie hochzuladen

Die Datei wird nirgendwohin hochgeladen und nicht einmal ganz gelesen. Die Seite schaut sich die ersten und letzten paar Dutzend Kilobyte an, die für fast jedes Format reichen, und holt dann nur die Teile, die sie braucht: Von einer Vier-Gigabyte-Datei liest sie meist weniger als zweihundert Kilobyte, und jede Karte zeigt, wie viele Bytes wirklich gelesen wurden. Deshalb kommt die Antwort sofort, auch bei einem ganzen Film und auch auf dem Handy.

Viele Formate sind Schachteln in anderen Schachteln, und da reicht die Signatur am Anfang nicht. Ein Word-Dokument, eine Excel-Arbeitsmappe, eine Präsentation, ein E-Book, eine Android-App und ein Java-Programm sind alle ZIP-Archive: Man unterscheidet sie an den Namen der enthaltenen Teile, OpenDocument und EPUB an einer kleinen Datei namens mimetype, die als erste kommen muss. Die alten .doc, .xls und .ppt, Outlook-E-Mails im .msg-Format, .msi-Installer und passwortgeschützte Office-Dateien sind dagegen OLE-Container, derselbe Container für alle, und der Name der internen Streams unterscheidet sie.

Moderne Videos und Fotos folgen einer anderen Regel. MP4, MOV, HEIC, AVIF und M4A teilen dieselbe Box-Struktur, und den echten Typ verrät die Marke (Brand) in der ersten Box: Deshalb wird ein iPhone-Video, das .mp4 heißt, als MOV erkannt. Bei einer signierten Datei, einer p7m, sagt dir die Seite auch, was im Umschlag steckt, zum Beispiel eine E-Rechnung oder ein PDF.

Das getarnte Programm

Das ist der wichtigste Grund, diese Seite zu nutzen. Ein Windows-Programm beginnt mit den Buchstaben MZ, egal wie es heißt: Heißt ein Anhang rechnung.pdf, steckt aber ein Programm darin, siehst du es hier in Rot. Das Symbol auf dem Desktop hilft nicht, denn ein Programm kann jedes beliebige Symbol anzeigen, auch das eines PDFs.

Drei Namenstricks werden eigens gemeldet. Die doppelte Endung, etwa dokument.pdf.exe: Standardmäßig blendet Windows bekannte Endungen aus, und auf dem Bildschirm bleibt dokument.pdf. Die Programmendung an einer reinen Textdatei: Eine rechnung.pdf.js oder eine rechnung.pdf.vbs enthält nur Buchstaben, aber ein Doppelklick lässt Windows sie ausführen, und das ist die häufigste Form betrügerischer Anhänge. Und das unsichtbare Zeichen zum Umkehren der Textrichtung, der Code U+202E: Eine Datei namens rechnung, U+202E, fdp.exe erscheint auf dem Bildschirm als rechnungexe.pdf. Auf der Karte wird dieses Zeichen als das gezeigt, was es ist, statt es seine Arbeit machen zu lassen.

Wenn dir das passiert: Öffne die Datei nicht, lösche sie, und wenn sie von jemandem zu kommen scheint, den du kennst, frag telefonisch nach, nicht mit einer Antwort auf dieselbe Nachricht. Die Seite meldet auch Dokumente mit Makros und Dateien, die einen privaten Schlüssel enthalten: Das sind keine getarnten Programme, aber sie verdienen dieselbe Vorsicht.

Text hat keine Signatur, und die Seite sagt das

Eine Textdatei besteht nur aus Buchstaben, und Buchstaben haben keine Signatur. CSV, JSON, XML, Untertitel und Webseiten sind alle Text und lassen sich nur an der Form des Inhalts erkennen. Neben jedem Ergebnis steht, woher es kommt: die Signatur am Anfang, die interne Struktur oder nur einige Hinweise, und im dritten Fall ist das Ergebnis sehr wahrscheinlich, aber nicht sicher.

Bei Text sagt dir die Seite aber das, was am häufigsten gebraucht wird: die Kodierung. UTF-8, UTF-8 mit BOM, UTF-16 oder eine alte 8-Bit-Kodierung von Windows, der Grund, warum Umlaute zu seltsamen Symbolen werden, wenn eine Datei von einem Programm ins andere wandert. Ist der Text schon kaputt, mit dem klassischen „ä“ statt „ä“, lässt er sich reparieren mit Kaputte Zeichen reparieren (Mojibake).

Dazu kommen die Zeilenumbrüche, die Windows anders schreibt als Linux und Mac, und bei einer CSV das Trennzeichen: das Semikolon der europäischen Excel-Versionen oder das Komma der englischen. Eine CSV, die eine Unternehmenssoftware mit dem Namen .xls exportiert hat, wird als das erkannt, was sie ist, und mit dem richtigen Namen verschwindet die Excel-Warnung, dass Format und Endung nicht übereinstimmen.

Wie viele Formate die Seite erkennt und wie das getestet wird

Die Seite erkennt 131 Formate aus Bildern, Dokumenten, Archiven, Audio, Video, Programmen, Datenbanken, Zertifikaten, Kalendern und Schriften. Davon sind 117 getestet mit echten Dateien, die von fremden Programmen geschrieben wurden und nicht von dieser Seite: Bilder von Pillow, Audio und Video von ffmpeg, Dokumente von den Bibliotheken, die sie schreiben, die alten Office-Dateien direkt von Word, Excel, PowerPoint und Outlook (die Testsammlung von Apache POI), Programme von Compilern. Nur vier Header sind von Hand geschrieben, weil kein kostenloses Programm sie schreibt: PSD, winmail.dat, die .lnk-Verknüpfung und die .torrent-Datei.

Anschließend wird jede Antwort mit dem Befehl file, dem Erkennungsprogramm, das Linux und macOS seit Jahrzehnten verwenden, gegengeprüft, und wo dieser keine Antwort hat, mit openssl, olefile und ffmpeg. Die übrigen werden an ihrer dokumentierten Signatur erkannt, und die Karte sagt das, statt sie als sicher hinzustellen. Sieht eine Datei nach nichts aus, erfindet die Seite nichts: Sie sagt, dass sie die Datei nicht erkennt, und zeigt dir die ersten Bytes.

Was die Seite nicht kann

Sie öffnet und konvertiert die Datei nicht. Du erfährst, was sie ist und womit sie sich öffnen lässt: Für ein Archiv gibt es ZIP-Datei öffnen, für ein Foto Bild umwandeln (JPG/JPEG, PNG, WebP), für ein Video Was dein Video wirklich ist.

Die Seite ist kein Virenscanner. Eine korrekte Signatur sagt dir, welchen Typ eine Datei hat, nicht ob sie harmlos ist: Ein PDF oder ein Word-Dokument kann auch mit dem richtigen Namen Schadcode enthalten. Die Prüfung auf getarnte Programme erkennt den häufigsten Trick, nicht alle.

Digitale Signaturen prüft sie nicht und Passwörter errät sie auch nicht: Bei einer signierten Datei sagt sie, dass die Datei signiert ist und was sie enthält, aber ob die Signatur gültig ist, lässt sich nur durch Prüfen des Zertifikats feststellen. Und um zu wissen, ob eine heruntergeladene Datei mit dem Original identisch ist, vergleiche ihren Fingerabdruck mit Datei-Prüfsumme (MD5, SHA-256).