如何可靠地检测文件类型？

Question

目的：给定的文件，确定它是否是给定类型的（XML，JSON，属性等）

考虑XML的情况下 - 直到我们遇到了这个问题，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; 

正如预期的那样，当XML格式良好时，测试会通过并且方法返回true。如果发生错误，文件无法解析，则返回false。

但是，当我们处理格式不正确的XML（仍然是XML）文件时，会出现这种情况。

我宁愿不依赖于.xml扩展（发生故障，所有的时间），要查找的文件等

内<?xml version="1.0" encoding="UTF-8"?>串有另一种方式这可以被处理？

你将不得不在文件中看到“怀疑它可能是XML，尽管DocumentException被捕获”。这是解析目的所必需的。

Answer 1

文件类型检测工具：

• 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（商业）
• Forensic Innovations File Investigator TOOLS（商业）

Answer 2

Apache Tika给我的问题最少，而不是具体的不同的Java 7平台：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); 

对于一个xml文件我得到了'application/xml'

的属性文件我得到了“text/plain的”

您可以将探测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

对于那些谁也不需要非常精确的检测（在的Java 7的文件通过rjdkolb提到.probeContentType法）

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