Question

目标：给定文件，确定它是否属于给定类型（XML，JSON，属性等）

考虑XML的情况 - 在我们遇到这个问题之前，以下示例方法运行良好：

    try {
        saxReader.read(f);
    } catch (DocumentException e) {
        logger.warn("  - File is not XML: " + e.getMessage());
        return false;
    }
    return true;

正如预期的那样，当XML格式正确时，测试将通过，方法将返回true。如果发生了不好的事情并且无法解析文件，则会返回false。

但是，当我们处理格式错误的XML（仍然是XML）时，这会中断。

我宁愿不依赖.xml扩展（一直失败），在文件中查找<?xml version="1.0" encoding="UTF-8"?>字符串等。

还有另一种方法可以处理吗？

你必须在文件中看到“怀疑XML虽然DocumentException被抓住了”。解析时需要这样做。

Answer 1

文件类型检测工具：

Mime Type Detection Utility
DROID (Digital Record Object Identification)
ftc - File Type Classifier
JHOVE，JHOVE2
NLNZ Metadata Extraction Tool
Apache Tika
TrID，TrIDNet
Oracle Outside In（商业）
Forensic Innovations File Investigator TOOLS（商业）

Answer 2

Apache Tika给我的问题最少，与Java 7不同，它不是特定于平台的：Files.probeContentType

import java.io.File;
import java.io.IOException;
import javax.activation.MimeType;
import org.apache.tika.Tika;

File inputFile = ...
String type = new Tika().detect(inputFile);
System.out.println(type);

对于xml文件，我得到了'application / xml'

对于属性文件，我得到了'text / plain'

但是，您可以将检测器添加到新的Tika（）

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.xx</version>
</dependency>

Answer 3

对于那些不需要非常精确检测的人（rjdkolb提到的 Java 7＆＃39; Files.probeContentType 方法）

Path filePath = Paths.get("/path/to/your/file.jpg");
String contentType = Files.probeContentType(filePath);

如何可靠地检测文件类型？

3 个答案: