java - 通过 Apache Commons Compress 检测压缩类型

Question

是否有一种快速方法可以使用 Apache Commons Compress API 从文件的内容(即不是从文件扩展名)可靠地检测文件的压缩类型？

使用Apache Tika，可以做到

Tika tika = new Tika();
String path = <the full path to the file examined, including the filename>;
FileInputStream fis = new FileInputStream(new File(path));
String type = tika.detect(fis);

并且 type 变量将填充检测到的文件内容的 MIME 类型(例如，text/plain、application/zip 等)。

理想情况下，出于多种原因，我希望避免让 Tika 参与此过程，其中包括 Tika 似乎将 AR 存档格式误检测为“文本/纯文本”这一事实，该格式是 Commons Compress 生成的格式之一。

Answer 1

您最好的选择可能是从文件中获取前几个字节，并检查它们是否有您感兴趣的各种格式的 mime 魔术字节模式。

当您要求 Tika 进行检测时，这就是它将为您做的事情。不过，您可以编写自己的代码

也许可以将流依次传递给每个 Commons Compress 解码器，并假设第一个不崩溃的是格式，但这可能有点不可靠......

我建议您坚持使用 Tika，对于 Tika 当前不支持的任何格式，请打开 bug report对于检测问题。如果可以的话，上传一个可以在单元测试中使用的非常小的测试文件，如果可能的话还可以上传魔术检测字节。 (对于 commons compress 支持的格式，如果需要，您应该能够在 commons compress 代码中找到 header 详细信息)