将自定义检测器类添加到 apache tika

Question

public class CustomDetector implements Detector {

public MediaType detect(InputStream stream, Metadata metadata) throws IOException {
    MediaType type = MediaType.OCTET_STREAM;

    InputStream lookahead = new LookaheadInputStream(stream, 1024);
    try {
        //Detect File Type
        File file = new File("ToolConfig.properties");
        Tika tika = new Tika();
        String filetype = tika.detect(file);

        //Read File content
        Properties properties = new Properties();
        properties.load(new FileInputStream("ToolConfig.properties"));
        for (String key : properties.stringPropertyNames()) {
            String value = properties.getProperty(key);
            if (key instanceof String && value instanceof String && filetype.contains("text/plain")) {
                type = MediaType.application("properties");
            }
        }

    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        lookahead.close();
    }
    return type;
    }
}

使用 tika 我想根据属性文件中存在的键和值格式将 .properties 文件检测为properties file(text/properties)，否则为text file(text/plain)

上面我写了一个自定义类，它实现了tika的Detector接口，还为mime类型创建了一个自定义文件：

<mime-info>
<mime-type type="text/properties">
<glob pattern="*.properties"/>
</mime-type>
</mime-info>

将上述自定义类与META-INF/services/org.apache.tika.detect.Detector file 一起添加到jar 文件中，但是当我运行程序时，它会将.properties 文件打印为文本/纯文本而不是文本/属性文件

我不确定出了什么问题，也没有太多关于添加自定义 mime 或自定义现有 tika 解析器的信息。

Answer 1

您的 XML 似乎以（一些）空格开头，请尝试删除 XML 最开始处的空格，如下所示：

<mime-info>
    <mime-type type="text/properties">
        <glob pattern="*.properties"/>
    </mime-type>
</mime-info>

我希望您在文件的第一行添加一个 XML 声明，然后在下一行继续执行我上面提到的指令，如下所示：

<?xml version="1.0" encoding="utf-8"?>
<mime-info>
    <mime-type type="text/properties">
        <glob pattern="*.properties"/>
    </mime-type>
</mime-info>

我希望这会有所帮助。