如何可靠地检测文件类型？ [重复]

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 格式良好时，测试将通过并且方法将返回 true。如果发生错误并且无法解析文件，将返回 false。

然而，当我们处理格式错误的 XML（尽管仍然是 XML）文件时，这会中断。

我宁愿不依赖

.xml

扩展（总是失败），在文件等中寻找

<?xml version="1.0" encoding="UTF-8"?>

字符串。

还有其他方法可以处理吗？

您必须在文件中看到什么才能“怀疑它可能是 XML，尽管

DocumentException

被捕获”。这是解析目的所必需的。

Answer 1

文件类型检测工具：

• Mime 类型检测实用程序
• DROID（数字记录对象识别）
• ftc - 文件类型分类器
• JHOVE，JHOVE2
• NLNZ 元数据提取工具
• 阿帕奇蒂卡
• TrID，TrIDNet
• Oracle Outside In（商业）
• 法医创新文件调查工具（商业）

Answer 2

Apache Tika 给我带来的问题最少，并且与 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“application/xml”

对于属性文件，我得到“text/plain”

但是，您可以将探测器添加到新的 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的Files.probeContentType方法）

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