如何可靠地檢測文件類型？

Question

目的：給定的文件，確定它是否是給定類型的（XML，JSON，屬性等）

考慮XML的情況下 - 直到我們遇到了這個問題，下面的示例的方式工作得很好：

try { 
     saxReader.read(f); 
    } catch (DocumentException e) { 
     logger.warn(" - File is not XML: " + e.getMessage()); 
     return false; 
    } 
    return true; 

正如預期的那樣，當XML格式良好時，測試會通過並且方法返回true。如果發生錯誤，文件無法解析，則返回false。

但是，當我們處理格式不正確的XML（仍然是XML）文件時，會出現這種情況。

我寧願不依賴於.xml擴展（發生故障，所有的時間），要查找的文件等

內<?xml version="1.0" encoding="UTF-8"?>串有另一種方式這可以被處理？

你將不得不在文件中看到「懷疑它可能是XML，儘管DocumentException被捕獲」。這是解析目的所必需的。

Answer 1

文件類型檢測工具：

• Mime Type Detection Utility
• DROID (Digital Record Object Identification)
• ftc - File Type Classifier
• JHOVE，JHOVE2
• NLNZ Metadata Extraction Tool
• Apache Tika
• TrID，TrIDNet
• Oracle Outside In（商業）
• Forensic Innovations File Investigator TOOLS（商業）

Answer 2

Apache Tika給我的問題最少，而不是具體的不同的Java 7平臺：Files.probeContentType

import java.io.File; 
import java.io.IOException; 
import javax.activation.MimeType; 
import org.apache.tika.Tika; 

File inputFile = ... 
String type = new Tika().detect(inputFile); 
System.out.println(type); 

對於一個xml文件我得到了'application/xml'

的屬性文件我得到了「text/plain的」

您可以將探測器但是添加到新提卡（）

<dependency> 
    <groupId>org.apache.tika</groupId> 
    <artifactId>tika-core</artifactId> 
    <version>1.xx</version> 
</dependency> 

Answer 3

對於那些誰也不需要非常精確的檢測（在的Java 7的文件通過rjdkolb提到.probeContentType法）

Path filePath = Paths.get("/path/to/your/file.jpg"); 
String contentType = Files.probeContentType(filePath);