Apache Tika：从存档中提取文件名和 MIME 类型答案

【问题标题】：Apache Tika: exctract file names and MIME types from archiveApache Tika：从存档中提取文件名和 MIME 类型
【发布时间】：2020-06-05 15:13:51
【问题描述】：

我希望 Tika 仅输出文件的文件名和 MIME 类型。我用 RecursiveParserWrapperHandler 找到了一些解决方案，但问题是 BodyContentHandler 总是尝试解析整个文件并将文本放入正文内容中。在我的情况下，我只需要 Map(fileName, MIMEType) 作为返回结果，而不需要解析整个文件。我怎样才能做到这一点？

 static public List<Metadata> recursiveParserWrapperExample() throws IOException,
        SAXException, TikaException {
    Parser p = new AutoDetectParser();

    ContentHandlerFactory factory = new BasicContentHandlerFactory(
            BasicContentHandlerFactory.HANDLER_TYPE.HTML, -1);
    RecursiveParserWrapper wrapper = new RecursiveParserWrapper(p);
    Metadata metadata = new Metadata();
    metadata.set(TikaCoreProperties.ORIGINAL_RESOURCE_NAME, "test.rar");
    ParseContext context = new ParseContext();
    RecursiveParserWrapperHandler handler = new RecursiveParserWrapperHandler(factory, -1);
    try (InputStream stream = new FileInputStream(new File("C:\\Users\\alex\\home\\projects\\self\\zip\\test.rar"))) {
        wrapper.parse(stream, handler, metadata, context);
    }
    return handler.getMetadataList();
}

【问题讨论】：

标签： java parsing apache-tika

【解决方案1】：

我找到了解决方案，很简单，只需更改

    ContentHandlerFactory factory = new BasicContentHandlerFactory(
        BasicContentHandlerFactory.HANDLER_TYPE.HTML, -1);

到

    ContentHandlerFactory factory = new BasicContentHandlerFactory(
        BasicContentHandlerFactory.HANDLER_TYPE.IGNORE, -1);

就是这样，现在处理程序将只返回文件中的元数据。

【讨论】：