如何将新的 mime 类型添加到 apache tika

Question

这是我阅读 mime 类型的课程。我正在尝试添加新的 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()
                + " ");
    }
}

从文档中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>

现在我如何添加到我的程序并阅读它。我必须创建解析器吗？我被困在这里。

Answer 1

Apache Tika 5 分钟解析器说明中介绍了这一点。要添加对 Java .properties 文件的支持，您应该首先创建一个名为的文件custom-mimetypes.xml并使用以下内容填充它：

<?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，您需要使用正确的名称将其放在 Tika 可以找到的地方。它必须存储org/apache/tika/mime/custom-mimetypes.xml在您的类路径中。最简单的方法是创建该目录结构，将新文件移入，然后将根目录添加到类路径中。对于部署，您应该将其打包成一个 jar 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 后，以如下方式运行它：

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

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，那么您没有获得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，因为从 r1686315 开始，Tika 内置了 Java 属性 mimetype！）

Answer 2

Tika 将通过 Java 资源加载检测您的自定义定义，并自动将其添加到自己的定义中：为此，您需要将其命名为 custom-mimetypes.xml 并将其放入代码库中的 org.apache.tika.mime 包中。

如果您从类创建 jar 文件，则还需要在 jar 中包含 custom-mimetypes.xml。