如何可靠地检测文件类型？ [复制]

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 格式正确时，测试将通过并且方法将返回 true。如果发生了不好的事情导致文件无法解析，则返回false。

但是，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），在文件中寻找<?xml version="1.0" encoding="UTF-8"?> 字符串等。

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 已被捕获”。这是解析目的所必需的。

Answer 1

文件类型检测工具：

• Mime Type Detection Utility
• DROID (Digital Record Object Identification)
• ftc - File Type Classifier
• JHOVE, JHOVE2
• NLNZ Metadata Extraction Tool
• Apache Tika
• TrID, TrIDNet
• Oracle Outside In（商业）
• Forensic Innovations File Investigator TOOLS（商业）

Answer 2

Apache Tika 给我的问题最少，并且不像 Java 7 那样特定于平台：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);

对于一个 xml 文件，我得到了 'application/xml'

对于属性文件，我得到了 'text/plain'

但是，您可以将 Detector 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的检测（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);