Apache Tika 和 Json答案

【问题标题】：Apache Tika and JsonApache Tika 和 Json
【发布时间】：2013-10-25 12:45:18
【问题描述】：

当我使用 Apache Tika 从内容中确定文件类型时。 XML文件很好，但不是json。如果内容类型是 json，它将返回“text/plain”而不是“application/json”。

有什么帮助吗？

public static String tiKaDetectMimeType(final File file) throws IOException {
    TikaInputStream tikaIS = null;
    try {
        tikaIS = TikaInputStream.get(file);
        final Metadata metadata = new Metadata();
        return DETECTOR.detect(tikaIS, metadata).toString();
    } finally {
        if (tikaIS != null) {
            tikaIS.close();
        }
    }
}

【问题讨论】：

标签： json apache-tika

【解决方案1】：

JSON 是基于纯文本的，因此 Tika 在仅给出可使用的字节时报告它也就不足为奇了。

你的问题是你没有提供文件名，所以 Tika 没有它可以使用。如果你有，Tika 可以说bytes=plain text + filename=json => json 并给你你期望的答案

您缺少的行是：

metadata.set(Metadata.RESOURCE_NAME_KEY, filename);

所以固定的代码 sn-p 将是：

tikaIS = TikaInputStream.get(file);
final Metadata metadata = new Metadata();
metadata.set(Metadata.RESOURCE_NAME_KEY, file.getName());
return DETECTOR.detect(tikaIS, metadata).toString();

这样，您将得到预期的 JSON 答案

【讨论】：

如果您不处理文件，或者不能信任文件扩展名作为提示，有人有什么建议吗？
@milletron 将文件的内容传递给 Apache Tika，它也会进行基于 mime 魔法的检测
谢谢@Gagravarr。是的，我可以告诉 mime-detection 总体上适用于我推送的十几个不同的字节流，但仍然无法将 Json 与纯文本区分开来（至少 1.15）。我想必须编写一个类似于 XML 和 HTML 的新检测器？我很惊讶 JSON 还没有包含在内。
@milletron JSON 格式一开始并没有任何众所周知的魔力，除了寻找 {" 或 [" 这不是唯一的，json 也不总是这样，它是艰难...

【解决方案2】：

对于那些不处理文件的人，我发现最简单的方法是通过 Jackson 运行有效负载以查看它是否可以被解析。如果 Jackson 可以解析它，您就知道 1) 您正在使用 JSON 并且 2) JSON 是有效的。

private static final ObjectMapper MAPPER = new ObjectMapper();
public static boolean isValidJSON(final String json) {
    boolean valid = true;
    try {
        MAPPER.readTree(json);
    } catch (IOException e) {
        valid = false;
    }
    return valid;
}

【讨论】：