Tika 在检测到 mime 类型后无法解析

Question

我之前通过调用tika.parseToString() 成功地用Tika 解析了各种文件，而无需设置任何自定义配置或元数据。现在我需要根据 mime-type 过滤要解析的文件。

我可以使用tika.detect(new BufferedInputStream(inputStream), new Metadata()); 找到 mime 类型，但是在之后调用tika.parseToString() 时，tika 使用 EmptyParser 并且检测到的内容类型是“application/octet-stream”。这是默认设置，这意味着 tika 无法找到它是什么类型的文件。在尝试解析文件之前，我曾尝试在元数据中设置内容类型，但这会导致org.apache.tika.exception.TikaException: TIKA-198: Illegal IOException。根据我的阅读，这意味着文件格式错误，但相同的文件在没有事先检查 mime-type 的情况下成功解析。

detect() 是否对 InputStream 进行处理，导致解析器无法解析文件？

我使用相同的 tika-instance 来检查 mime 类型和解析，版本 1.13

Answer 1

我的问题是由直接将 InputStream 传递给 parse 方法引起的。 detect() 标记并重置通过的流，InputStream 不支持。将 InputStream 包装成 TikaInputStream(TikaInputStream stream = TikaInputStream.get(new BufferedInputStream(inputStream));) 解决了这个问题。