Java ApacheTika-检测特定于JSON/PDF的mime类型

我正在使用从其base64rapresentation检测文件Mime类型。 不幸的是，我没有关于该文件的其他信息（例如扩展名）

我能做些什么让蒂卡更具体些吗

我目前正在使用这个：

Tika tika = new Tika();
tika.setMaxStringLength(-1);
String mimetype = tika.detect(Base64.decode(fileString));

它为JSON和PDF文件提供了

text/plain

，但我想获得更具体的信息：

application/JSON

，

application/PDF

等等

希望有人能帮助我

---

谢谢。

在我过去的项目中，我使用了

TikaConfig

我所做的是：

//Note you can use alse byte[] instead of InputStream
InputStream is = new FileInputStream(new File(YOUR_FILE));
TikaConfig tc = new TikaConfig();
Metadata md = new Metadata();
md.set(Metadata.RESOURCE_NAME_KEY, fileName);
String mimeType = tc.getDetector().detect(TikaInputStream.get(is), md).toString();

通过使用

字节[]

：

byte[] fileBytes = GET_BYTE_ARRAY_FROM_YOUR_FILE;
TikaConfig tc = new TikaConfig();
Metadata md = new Metadata();
md.set(Metadata.RESOURCE_NAME_KEY, fileName);
String mimeType = tc.getDetector().detect(TikaInputStream.get(fileBytes), md).toString();

我在得到正确的mimeType方面没有问题

我希望它有用

Angelo

Tika#检测（字符串）

检测具有给定文件名的文档的媒体类型

传递PDF或JSON文件的内容将不起作用。Tika将退回到

text/plain

，因为它找不到任何匹配的文件名

PDF

对于PDF，您只需将部分数据写入流，或将部分字节传递给流，并让Tika通过在文件开头附近查找特殊（“魔法”）字节模式（纯文本为

%PDF

）：

String pdfContent=“%PDF-1.4\n%\\E2\\E3\\CF\\D3”//i、 e.base64已解码
Tika Tika=新Tika（）；
System.out.println（tika.detect（pdfContent.getBytes（））；//“应用程序/pdf”

JSON

但是对于JSON，即使这个方法也会返回

text/plain

&Tika是正确的

application/json

类似于纯文本的一个子类型，表示应该以不同的方式解释文本。因此，如果您得到

text/plain

，您就必须这样做。使用JSON库（例如）解析内容以查看其是否为有效的JSON：

Sring json=“[1,2,3]”；//JSON中的数组
试一试{
final JsonParser parser=新的ObjectMapper（）.getFactory（）.createParser（json）；
while（parser.nextToken（）！=null）{
}
System.out.println（“可能是JSON！”）；
}捕获（例外e）{
System.out.println（“绝对不是JSON！”）；
}

只是要注意你想要的严格程度，因为Jackson将单个数字

1

视为有效的JSON，但实际上并不是。为了解决这个问题，您可以首先测试字符串是否以

{

或

[

（前面可能有空格）开头，使用类似于

json.matches（“^\\s*[\[\[].]）

的内容，然后再尝试将其解析为json

---

这是一个。

谢谢你的回答，问题是我没有文件名，只有文件的base64字符串表示形式。你可以使用一个假文件名，但是Tika没有给出确切的mimeType-application/json而不是text/plain的问题仍然存在。如果你检查流，它将是application/json。你应该怎么做要做的是编写一个临时文件，然后让Tika检查临时文件

Base64。解码（fileString）。getBytes（）

是正确检测PDF所需的全部内容。有关JSON部分，请参阅。