OneNote 支持 Apache Tika 解析器

Question

我希望能够使用 apache tika 检测 .one、.onetoc、.onetoc2 文件的 mime 类型。但是，从他们的文档https://tika.apache.org/1.14/formats.html 来看，似乎并不支持它。使用使用 Tika 的纯文件解析技术，我总是得到 application/octet-stream 而不是 application/onenote。

他们确实支持基于扩展名和基于名称的自省来确定 mime 类型，但这是不可靠的，因为我总是可以将文件命名为 *.one，它会将 mime 类型抛出为“application/onenote”，这是不正确的。

任何可用库上的任何指针都可以轻松检测给定文件是否属于 onenote 类型，或者我在 Tika 中是否缺少某些内容？

Answer 1

对于 mime-magic 驱动的 OneNote 文件检测，您需要 Apache Tika 1.15 或更高版本。

对于 OneNote 解析（元数据、文本等），您要么需要等待 Apache 1.24 发布（2020 年 3 月左右），要么从源代码构建自己，包括来自 Github pull request #303 / TIKA-2224 的补丁。

如果您是 Tika + OneNote 用户，非常感谢 Nicholas DiPiazza（完成大部分工作）和 Tim Allison（帮助审核/指导/等）