JAVA文件上传与格式校验（Apache tika）

Apache Tika 是一个内容分析工具包，可以检测 上千种文件类型 ，并提取它们的 元数据和文本 。tika在设计上十分精巧，单一的接口使它易于使用，在 搜索引擎索引，内容分析，翻译 等诸多方面得到了广泛使用。

一般而言我们会使用文件头的信息来进行判断
文件头信息判断 （魔数）
通常可以判断文件类型，但有些文件类型无法判断（如word和excel头信息的前几个字节是一样的，无法判断）

所以，我们需要寻找一种开源框架来帮助我们来完成文件的格式校验：

引入依赖：

    org.apache.tika
    tika-core
    1.9

工具方法

    private static String getMimeType(File file) {
        if (file.isDirectory()) {
            return "the target is a directory";
        }

        AutoDetectParser parser = new AutoDetectParser();
        parser.setParsers(new HashMap<>());
        //元数据
        Metadata metadata = new Metadata();
        metadata.add(TikaMetadataKeys.RESOURCE_NAME_KEY, file.getName());

        InputStream stream;
        try {
            stream = new FileInputStream(file);
            parser.parse(stream, new DefaultHandler(), metadata, new ParseContext());
            stream.close();
        } catch (Exception e) {
            log.error("", e);
        }

        return metadata.get(HttpHeaders.CONTENT_TYPE);
    }
}

文件类型：

MimeType	文件类型
application/msword	word(.doc)
application/vnd.ms-powerpoint	powerpoint(.ppt)
application/vnd.ms-excel	excel(.xls)
application/vnd.openxmlformats-officedocument.wordprocessingml.document	word(.docx)
application/vnd.openxmlformats-officedocument.presentationml.presentation	powerpoint(.pptx)
application/vnd.openxmlformats-officedocument.spreadsheetml.sheet	excel(.xlsx)
application/x-rar-compressed	rar
application/zip	zip/ofd
application/pdf	pdf
video/*	视频文件
image/*	图片文件
text/plain	纯文本
text/css	css文件
text/html	html文件
text/x-java-source	java源代码
text/x-csrc	c源代码
text/x-c++src	c++源代码

文章参考

TIKA教程