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
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12