正确使用 Apache Tika MediaType

Posted 2023-02-21

【中文标题】正确使用 Apache Tika MediaType

【英文标题】：Correct use of Apache Tika MediaType

【发布时间】：2014-06-04 10:51:58

【问题描述】：

我想使用 APache Tika 的 MediaType 类来比较 mediaTypes。

我首先使用 Tika 来检测 MediaType。 然后我想根据MediaType开始一个动作。

所以如果 MediaType 来自 XML 类型，我想做一些动作，如果它是一个压缩文件，我想开始另一个动作。

我的问题是 XML 类型很多，那么如何使用 MediaType 检查它是否是 XML？

这是我之前（在 Tika 之前）的实现：

if (contentType.contains("text/xml") || 
    contentType.contains("application/xml") || 
    contentType.contains("application/x-xml") || 
    contentType.contains("application/atom+xml") || 
    contentType.contains("application/rss+xml")) 
        processXML();


else if (contentType.contains("application/gzip") || 
    contentType.contains("application/x-gzip") || 
    contentType.contains("application/x-gunzip") || 
    contentType.contains("application/gzipped") || 
    contentType.contains("application/gzip-compressed") || 
    contentType.contains("application/x-compress") || 
    contentType.contains("gzip/document") || 
    contentType.contains("application/octet-stream")) 
        processGzip();

我想将其切换为使用 Tika，如下所示：

MediaType mediaType = MediaType.parse(contentType);
if (mediaType == APPLICATION_XML) 
    return processXml();
 else if (mediaType == APPLICATION_ZIP || mediaType == OCTET_STREAM) 
    return processGzip();

但问题是 Tika.detect(...) 返回许多没有 MediaType 常量的不同类型。

如果 MediaType 是 XML 类型，我如何才能识别它？或者如果它是类型 Compress ？ 我需要一个包含所有孩子的“父亲”类型，也许是一种方法： “boolean isXML()”，包括 application/xml 和 text/xml 和 application/x-xml 或“boolean isCompress()”，包括所有 zip + gzip 类型等

【问题讨论】：

你能澄清你的问题是什么吗？匹配媒体类型？创建媒体类型对象？找出哪些类型可以回来？处理类型的父/子关系？还有什么？

我已经编辑了问题并在问题中添加了以下（最后一部分）：如果 MediaType 是 XML 类型，我如何才能识别它？或者如果它是类型 compress ？我需要一个包含所有子项的“父亲”类型，可能是一种方法：“boolean isXML()”，其中包括 application/xml 和 text/xml 以及 application/x-xml 或“boolean isCompress()”，其中包括所有 zip + gzip 类型等

【参考方案1】：

您需要做的是遍历类型层次结构，直到找到所需的内容，或者用完要检查的内容。这可以通过递归来完成，也可以通过循环来完成

你需要的关键方法是MediaTypeRegistry.getSupertype(MediaType)

你的代码应该是这样的：

// Define your media type constants here
MediaType FOO = MediaType.parse("application/foo");

// Work out the file's type
MediaType type = detector.detect(stream, metadata);

// Is it one we want in the tree?
while (type != null && !type.equals(MediaType.OCTET_STREAM)) 
   if (type.equals(MediaType.Application_XML)) 
       doThingForXML();
    else if (type.equals(MediaType.APPLICATION_ZIP))  
       doThingForZip();
    else if (type.equals(FOO)) 
       doThingForFoo();
    else 
       // Check parent
       type = registry.getSuperType(type);
   

【讨论】：

您的回答很有帮助，但不包括 org.apache.tika.mime.MediaTypeRegistry 的实例化

你不应该初始化一个，你从TikaConfig object得到它

@EricUrban 正如链接的 JavaDocs 希望显示的那样，只需 TikaConfig.getDefaultConfig().getMediaTypeRegistry