Java 使用Tika罐进行模拟类型检查

我正在开发标准的Java批处理过程。我正在尝试使用Tika JAR确定文件附件mimetype。我使用的是Tika 1.4 Jar文件

我的代码看起来像

Parser parser= new AutoDetectParser();
InputStream stream = new FileInputStream(fileAttachment);
int writerHandler =-1;
ContentHandler contentHandler= new BodyContentHandler(writerHandler);
Metadata metadata= new Metadata();
parser.parse(stream, contentHandler, metadata, new ParseContext());
String mimeType = metadata.get(Metadata.CONTENT_TYPE);
logger.debug("File Attachment: "+fileattachment.getName()+" MimeType is: "+mimeType);

对于office 03和07文档，此代码无法正常工作

从eclipse运行时，我得到了正确的mimetype。

我构建jar文件并从命令运行，它给出了错误的mimetype。

out put from command
------------
File Attachment: Testpdf.pdf  MimeType is: application/pdf
File Attachment: Testpdf.tif  MimeType is: image/tiff
File Attachment: Testpdf.xlsx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.xltx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.pptx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.docx  MimeType is: application/x-tika-ooxml
File Attachment: Testpdf.xls  MimeType is: application/zip
File Attachment: Testpdf.doc  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.dot  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.ppt  MimeType is: application/x-tika-msoffice
File Attachment: Testpdf.xlt  MimeType is: application/vnd.ms-excel

我试过使用OfficeParser，OOXMLParser。它不起作用。 我试过使用tika 0.9 jar文件。mimeTypes正确，但是如果我的任何一个文件附件是“可编辑的pdf”，我的批处理过程将停止（比如代码中的“exit（0）；”。 如果我有新的提卡罐，它会给出错误的模版

请帮我做这件事。提前谢谢

---

CVSR Sarma

首先，您使用了错误的Apache Tika。如果您只想知道文件类型，那么应该直接使用（），例如：

TikaConfig tika = new TikaConfig();

Metadata metadata = new Metadata();
metadata.set(Metadata.RESOURCE_NAME_KEY, filename);
String mimetype = tika.getDetector().detect(stream, metadata);

如果您的类路径上只有

tika-core

jar，那么上面的检测将使用Mime-Magic和文件名提示。这将使它获得大多数文件，特别是如果它们具有正确的扩展名，但它只会遇到命名错误的“容器格式”的问题

容器格式类似于zip、ole2等，其中一种文件格式可以容纳多种类型（例如ods、xlsx、keynote all use.zip、.doc和.xls都使用ole2）。如果要在容器内进行检测以获得更准确的结果，还需要包含

tika解析器

jar及其依赖项

---

请注意，您的流需要支持标记和重置，以便检测工作。这样Tika就可以读取流的第一位，查看它以确定文件是什么，然后将流返回到其他用途（例如解析）的状态。大多数流都应该这样做，但如果您的流没有这样做，最简单的修复方法是将其封装在一个via中，这样可以为您排序所有这些

@Gagravarr tika.getDetector（）.detect（流、元数据）；返回Mediatype。我试过了。它不起作用。请确保如图所示传入文件名，如果希望得到正确准确的结果，请确保在类路径中包含了tika解析器jar+依赖项，正如答案所示……它在Eclipse中起作用。一旦我构建jar文件并从命令提示符运行，它就不起作用了。我已经使用maven下载了jar和依赖项，并在类路径中包含了所有jar文件@gagravarr如果它在Eclipse中工作，但在独立运行时不工作，那么问题是无论您怎么想，您的类路径上都没有相同的JAR。确保它们真的在那里，并且你没有任何旧的会让事情变得混乱。如果你不知道如何检查你的手机上到底用了什么罐子，那就问一个新问题classpath@mjj1409通常更简单的方法是将其包装在

TikaInputStraem

中，它可以为您处理所有事情！标记/重置的流要求，很多流都支持这一点（包括TikaInputStream和BufferedInputStream）