京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21