java 解析文档如excel等的工具类Tika

Apache Tika 是一个内容分析工具包，可以检测上千种文件类型，并提取它们的元数据和文本。tika在设计上十分精巧，单一的接口使它易于使用，在搜索引擎索引，内容分析，翻译等诸多方面得到了广泛使用。

如解析文件是否是excel类型等

目录

使用

MultipartFile类转File类

参考：

---

一、使用

使用举例，判断文档是否是excel：

 <dependency>
            <groupId>org.apache.tika</groupId>
            <artifactId>tika-core</artifactId>
            <version>1.24.1</version>
 </dependency>

注意tika-core和tika-parsers的区别，我这里导入的是tika-core

核心使用：

  //文档是excel，所以只能是xlsx或xls类型
  public String judgeType(MultipartFile mFile){
        Tika tika = new Tika();
        String detect=null;
        File file = new File(mFile.getOriginalFilename());
        try {
            FileUtils.copyInputStreamToFile(mFile.getInputStream(), file);
            //重点代码，获得文件类型
            detect = tika.detect(file);
            System.out.println("文档类型");
            System.out.println(detect);
            if ("application/vnd.openxmlformats-officedocument.spreadsheetml.sheet".equals(detect) || "application/vnd.ms-excel".equals(detect)){
                return "类型正确";  //类型正确
            }else {
                return "请上传正确的文档类型,如：.xlsx和.xls";
            }
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (file.exists()) {
                file.delete();
            }
        }
        // 会在本地产生临时文件，用完后需要删除
        if (file.exists()) {
            file.delete();
        }
        return "文档解析错误";
    }

二、MultipartFile类转File类

其中，前端传过来的是MultipartFile类，所以后端要转换为File类，转换方法为

//MultipartFile转File
File file = new File(path); 
FileUtils.copyInputStreamToFile(multipartFile.getInputStream(), file);  

/*其中File可以
  File file = new File(mFile.getOriginalFilename());
  这是保存在了工程路径下，用完要删除
  file.delete();
*/


//File转MultipartFile
File file = new File("src/test/resources/input.txt");
FileInputStream input = new FileInputStream(file);
MultipartFile multipartFile =new MockMultipartFile("file", file.getName(), "text/plain", IOUtils.toByteArray(input));

三、参考：

Tika：一个强大的Java文档内容解析工具（主要参考之一，必看）

Apache Tika实战（主要参考之一，必看）

常用文件的mime和mimetype的对应关系

apache tika判断文件类型（只需要参考它后面的文档类型）