|
|
JAVA文件上传与格式校验（Apache 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。
一般而言我们会使用文件头的信息来进行判断
文件头信息判断 （魔数）
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）
所以，我们需要寻找一种开源框架来帮助我们来完成文件的格式校验：
引入依赖：
<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-core</artifactId>
<version>1.9</version>
</dependency>
private static String getMimeType(File file) {
if (file.isDirectory()) {
return "the target is a directory";
AutoDetectParser parser = new AutoDetectParser();
parser.setParsers(new HashMap<>());
//元数据
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 (Exception e) {
log.error("", e);
return metadata.get(HttpHeaders.CONTENT_TYPE);
文件类型：
MimeType
application/vnd.openxmlformats-officedocument.presentationml.presentation
powerpoint(.pptx)
application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
excel(.xlsx)
application/x-rar-compressed
application/zip
zip/ofd
application/pdf
video/*
image/*
text/plain
text/css
css文件
text/html
html文件
text/x-java-source
java源代码
text/x-csrc
text/x-c++src
c++源代码