如何向 apache tika 添加新的 mime 类型

Question

这是我阅读哑剧类型的课程。我正在尝试添加一个新的 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docs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。我必须创建一个解析器吗？我被困在这里了。

Answer 1

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，您还需要在 jar 中包含您的 custom-mimetypes.xml。

Answer 2

Apache Tika 5 minute parser instructions 对此进行了介绍。要添加对 Java .properties 文件的支持，您应该首先创建一个名为 custom-mimetypes.xml 的文件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，您需要将其放在 Tika 可以找到的位置，并使用正确的名称。它必须在您的类路径中存储为org/apache/tika/mime/custom-mimetypes.xml。最简单的做法是创建该目录结构，将新文件移入其中，然后将根目录添加到您的类路径中。对于部署，您应该将其包装到一个 jar 中并将其放在类路径中

如果您小心的话，您可以使用 Tika 应用程序检查您的 mime 类型文件是否已加载。将您的代码打包为 jar，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，如果你有它在本地目录中，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

如果这没有显示您的 MIME 类型，则说明您的路径或文件名不正确，请仔细检查它们

（或者，升级到更新版本的 Apache Tika，因为 r1686315 Tika 内置了 Java Properties mimetype！）

Answer 3

MediaType mediaType = detector.detect(stream, metadata);
        System.out.println("Detected Media Type: " + mediaType.toString());
        MimeType mimeType = config.getMimeRepository().forName(mediaType.toString());
        String extension = mimeType.getExtension();

Answer 4

在您的resources 文件夹中添加包org\apache\tika\mime 并创建文件custom-mimetypes.xml。

输入以下代码

<?xml version="1.0" encoding="UTF-8"?>
<mime-info>
  <mime-type type="custom-mime-type">
    <glob pattern="*.custom-extension"/>
  </mime-type>
</mime-info>

将custom-mime-type 替换为您的mime 类型，将custom-extension 替换为您的扩展名。 请检查下面的目录结构。

顺便说一句，您还可以通过下载该文件并将 custom-mimetypes.xml 放在本地加载 tike mime-types 。这仅在您需要更改标准 tike mime-types 时才有用。需要记住的一件事是，两个 xml 中不能有相同的 mime 类型/扩展名。