使用apache.tika判断文件类型

2019独角兽企业重金招聘Python工程师标准>>>

判断文件类型一般可采用两种方式

1. 后缀名判断 
   简单易操作，但无法准确判断类型
2. 文件头信息判断 
   通常可以判断文件类型，但有些文件类型无法判断（如word和excel头信息的前几个字节是一样的，无法判断）

使用apache.tika可轻松解决以上两种方式存在的问题

 

使用apache.tika判断文件类型

1. maven依赖

<!-- https://mvnrepository.com/artifact/org.apache.tika/tika-core -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.9</version>
</dependency>

 

2. 具体实现

    private static String getMimeType(File file) {
        if (file.isDirectory()) {
            return "the target is a directory";
        }

        AutoDetectParser parser = new AutoDetectParser();
        parser.setParsers(new HashMap<MediaType, Parser>());

        Metadata metadata = new Metadata();
        metadata.add(TikaMetadataKeys.RESOURCE_NAME_KEY, file.getName());

        InputStream stream;
        try {
            stream = new FileInputStream(file);
            parser.parse(stream, new DefaultHandler(), metadata, new ParseContext());
            stream.close();
        } catch (TikaException | SAXException | IOException e) {
            e.printStackTrace();
        }

        return metadata.get(HttpHeaders.CONTENT_TYPE);
    }

 

3. 常见文件类型

MimeType	文件类型
application/msword	word(.doc)
application/vnd.ms-powerpoint	powerpoint(.ppt)
application/vnd.ms-excel	excel(.xls)
application/vnd.openxmlformats-officedocument.wordprocessingml.document	word(.docx)
application/vnd.openxmlformats-officedocument.presentationml.presentation	powerpoint(.pptx)
application/vnd.openxmlformats-officedocument.spreadsheetml.sheet	excel(.xlsx)
application/x-rar-compressed	rar
application/zip	zip
application/pdf	pdf
video/*	视频文件
image/*	图片文件
text/plain	纯文本
text/css	css文件
text/html	html文件
text/x-java-source	java源代码
text/x-csrc	c源代码
text/x-c++src	c++源代码

 

转载于:https://my.oschina.net/lvzhitao/blog/786045