Fix File Extension

Lê o que um arquivo realmente contém e, quando isso contradiz a extensão, renomeia o arquivo com a extensão que seu tipo normalmente tem: um PDF salvo como .dat passa a ser .pdf. É útil quando um sistema de origem entrega arquivos com extensões erradas ou ausentes.

Entradas

• Arquivo ou diretório de entrada — um arquivo, ou uma pasta cujos arquivos são verificados um a um, em uma conta de documentos. Os arquivos são renomeados onde estão, portanto não há local de saída.

Como funciona

A etapa identifica o tipo de cada arquivo pelo conteúdo e só renomeia o arquivo quando o nome atual não tem extensão, tem uma extensão provisória (.dat, .tmp ou .bin) ou indica outro tipo que a etapa reconhece.

Os tipos reconhecidos são PDF; imagens JPEG, PNG, GIF, TIFF, BMP, WebP e HEIC; documentos do Excel (.xlsx, .xls), Word (.docx, .doc) e PowerPoint (.pptx); arquivos compactados ZIP e GZip; e CSV, JSON, HTML, XML e texto simples.

Um arquivo mantém o nome quando:

• a extensão já é compatível com o conteúdo: .jpg e .jpeg servem para um JPEG, .tif e .tiff para um TIFF;
• a extensão não é reconhecida pela etapa, como .sql, .log ou .ai, porque só o conteúdo não distingue um script SQL de qualquer outro texto, nem um arquivo do Illustrator de um PDF;
• contém texto simples sob uma extensão de texto, como .csv, .tsv ou .json;
• contém um formato de texto sob a extensão de outro, como XML em um arquivo .html ou CSV em um arquivo .json, porque o conteúdo não permite distingui-los com segurança. Somente um arquivo .txt, ou um sem extensão ou com extensão provisória, é renomeado para um formato de texto;
• é um arquivo ZIP com nome de documento do Office, já que os arquivos .xlsx, .docx e .pptx são arquivos ZIP por dentro;
• não é possível determinar seu tipo, como no caso de um arquivo vazio.

Um arquivo compactado é avaliado pelo próprio conteúdo: seus membros não são abertos nem renomeados. Arquivos cujos nomes começam com . são ignorados.

Exemplos

Arquivo	Conteúdo	Resultado
invoice.dat	PDF	renomeado para invoice.pdf
photo.png	JPEG	renomeado para photo.jpg
export.txt	CSV	renomeado para export.csv
readme	texto simples	renomeado para readme.txt
query.sql	texto simples	inalterado
budget.xlsx	ZIP	inalterado

Observações

• Se o caminho de entrada não existir ou não tiver arquivos, a etapa termina com um aviso que informa o caminho e não processa nada, e o fluxo de trabalho continua.

Relacionados

• Concatenate files
• Guia de documentos