使用apache.tika判断文件类型

一. 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)

  3. 使用apache.tika可轻松解决以上两种方式存在的问题

 

二. 使用方式

  1. maven依赖

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.22</version>
</dependency>

  2. 具体实现

 1 public static String getMimeType(String fileName, InputStream inputStream){
 2     AutoDetectParser parser = new AutoDetectParser();
 3     parser.setParsers(new HashMap<MediaType, Parser>());
 4 
 5     Metadata metadata = new Metadata();
 6     metadata.add(TikaMetadataKeys.RESOURCE_NAME_KEY, fileName);
 7 
 8     try {
 9         parser.parse(inputStream, new DefaultHandler(), metadata, new ParseContext());
10         inputStream.close();
11     } catch (TikaException | SAXException | IOException e) {
12         e.printStackTrace();
13     }
14 
15     return metadata.get(HttpHeaders.CONTENT_TYPE);
16 }

  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

 

上一篇:deepin 系统使用记录


下一篇:Deepin 如何 更改 FCITX 输入法的 托盘图标