java - 如何向 apache tika 添加新的 mime 类型

Question

这是我阅读 mime 类型的类(class)。我正在尝试添加一个新的 mime 类型(属性文件)并阅读它。

这是我的类文件:

/*
 * To change this license header, choose License Headers in Project Properties.
 * To change this template file, choose Tools | Templates
 * and open the template in the editor.
 */
package check_mime;

import java.io.IOException;
import java.nio.file.Path;
import java.nio.file.Paths;
import org.apache.tika.Tika;
import org.apache.tika.mime.MimeTypes;


public class TikaFileTypeDetector {

    private final Tika tika = new Tika();

    public TikaFileTypeDetector() {
        super();
    }

    public String probeContentType(Path path) throws IOException {

        // Check contents first
        String fileContentDetect = tika.detect(path.toFile());
        if (!fileContentDetect.equals(MimeTypes.OCTET_STREAM)) {
            return fileContentDetect;
        }

        // Try file name only if content search was not successful
        String fileNameDetect = tika.detect(path.toString());
        if (!fileNameDetect.equals(MimeTypes.OCTET_STREAM)) {
            return fileNameDetect;
        }

        return null;
    }

    public static void main(String[] args) throws IOException {

        Tika tika = new Tika();

        if (args.length != 1) {
            printUsage();
            return;
        }
        Path path = Paths.get(args[0]);

        TikaFileTypeDetector detector = new TikaFileTypeDetector();

        String contentType = detector.probeContentType(path);

        System.out.println("File is of type - " + contentType);
    }

    public static void printUsage() {
        System.out.print("Usage: java -classpath ... "
                + TikaFileTypeDetector.class.getName()
                + " ");
    }
}

来自docs我创建了一个自定义 xml:

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

现在我该如何添加到我的程序中并读取它。我必须创建一个解析器吗？我被困在这里。

Answer 1

这包含在 Apache Tika 5 minute parser instructions 中.要添加对 Java .properties 文件的支持，您应该首先创建一个名为 custom-mimetypes.xml 的文件，并在其中填充如下内容:

<?xml version="1.0" encoding="UTF-8"?>
<mime-info>
  <mime-type type="text/properties">
     <_comment>Java Properties</_comment>
     <glob pattern="*.properties"/>
     <sub-class-of type="text/plain"/>
   </mime-type>
</mime-info>

接下来，您需要将它放在 Tika 可以找到的地方，并使用正确的名称。它必须作为 org/apache/tika/mime/custom-mimetypes.xml 存储在您的类路径中。最简单的做法是创建该目录结构，将新文件移入，然后将根目录添加到您的类路径中。对于部署，您应该将其打包到一个 jar 中并将其放在类路径中

如果您小心的话，您可以使用 Tika 应用程序来检查您的 mime 类型文件是否已加载。将您的代码打包为 jar，然后像这样运行它:

java -classpath tika-app-1.10-SNAPSHOT.jar:my-custom-mimetypes.jar org.apache.tika.cli.TikaCLI --list-supported-types | grep text/properties

或者，如果您在本地目录中有它，请尝试类似的操作

ls -l org/apache/tika/mime/custom-mimetypes.xml
# Check a file was found, with some content in it
java -classpath tika-app-1.10-SNAPSHOT.jar:. org.apache.tika.cli.TikaCLI --list-supported-types | grep text/properties

如果那没有显示您的 MIME 类型，那么您没有得到正确的路径或文件名，请仔细检查它们

(或者，升级到更新版本的 Apache Tika，因为 r1686315 Tika 内置了 Java Properties mimetype!)