使用apache.tika判断文件类型

一. 判断文件类型一般可采用两种方式

　　1. 后缀名判断

 　　　　简单易操作，但无法准确判断类型

　　2. 文件头信息判断

　　　　通常可以判断文件类型，但有些文件类型无法判断（如word和excel头信息的前几个字节是一样的，无法判断）

　　3. 使用apache.tika可轻松解决以上两种方式存在的问题

二. 使用方式

　　1. maven依赖

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.22</version>
</dependency>

　　2. 具体实现

 1 public static String getMimeType(String fileName, InputStream inputStream){
 2     AutoDetectParser parser = new AutoDetectParser();
 3     parser.setParsers(new HashMap<MediaType, Parser>());
 4 
 5     Metadata metadata = new Metadata();
 6     metadata.add(TikaMetadataKeys.RESOURCE_NAME_KEY, fileName);
 7 
 8     try {
 9         parser.parse(inputStream, new DefaultHandler(), metadata, new ParseContext());
10         inputStream.close();
11     } catch (TikaException | SAXException | IOException e) {
12         e.printStackTrace();
13     }
14 
15     return metadata.get(HttpHeaders.CONTENT_TYPE);
16 }

　　3. 常见文件类型

MimeType	文件类型
application/msword	word(.doc)
application/vnd.ms-powerpoint	powerpoint(.ppt)
application/vnd.ms-excel	excel(.xls)
application/vnd.openxmlformats-officedocument.wordprocessingml.document	word(.docx)
application/vnd.openxmlformats-officedocument.presentationml.presentation	powerpoint(.pptx)
application/vnd.openxmlformats-officedocument.spreadsheetml.sheet	excel(.xlsx)
application/x-rar-compressed	rar
application/zip	zip
application/pdf	pdf
video/*	视频文件
image/*	图片文件
text/plain	纯文本
text/css	css文件
text/html	html文件
text/x-java-source	java源代码
text/x-csrc	c源代码
text/x-c++src	c++源代码