如何从文件中准确确定MIME数据？

Question

我正在向程序中添加一些功能，以便可以通过读取MIME数据来准确确定文件类型。我已经尝试了几种方法：

方法1：

javax.activation.FileDataSource

FileDataSource ds = new FileDataSource("~\\Downloads\\777135_new.xls");  
String contentType = ds.getContentType();  
System.out.println("The MIME type of the file is: " + contentType);

//output = The MIME type of the file is: application/octet-stream

方法2：

import net.sf.jmimemagic.*;

try
{
    RandomAccessFile f = new RandomAccessFile("~\\Downloads\\777135_new.xls", "r");
    byte[] fileBytes = new byte[(int)f.length()];
    f.read(fileBytes);
    MagicMatch match = Magic.getMagicMatch(fileBytes);
    System.out.println("The Mime type is: " + match.getMimeType());
}
catch(Exception e)
{
    System.out.println(e);
}

//output = The Mime type is: application/msword

方法3：

import eu.medsea.mimeutil.*;

MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.MagicMimeMimeDetector");
File f = new File ("~\\Downloads\\777135_new.xls");
Collection<?> mimeTypes = MimeUtil.getMimeTypes(f);
String mimeType = MimeUtil.getFirstMimeType(mimeTypes.toString()).toString();
String subMimeType = MimeUtil.getSubType(mimeTypes.toString());
System.out.println("The Mime type is: " + mimeTypes + ", " + mimeType + ", " + subMimeType);

//output = The Mime type is: application/msword, application/msword, msword

我在http://www.rgagnon.com/javadetails/java-0487.html上找到了这三种方法。但是我的问题是，我正在测试这些方法的文件是我创建的文件，所以我知道它是一个Excel文件，但是除第一个方法（我认为这是由于该方法使用的内置FileTypeMap中的文件类型数量有限。

我环顾四周，有人说这是因为在文件中检测到偏移量的方式，因此内容类型被错误地拾取，如本Wiki中有关检测PHP中的文件类型所指出的那样。不幸的是，然后Wiki继续使用扩展名来确定文件类型，因为它不可靠，所以这不是我想要的。

任何人都可以向我指出正确的方法，该方法可以在Java中正确检测文件类型吗？

干杯，阿列克谢·蓝。

编辑：似乎没有特定的解决方案，如@IronMensan在下面的评论中所述。我确实发现了这份非常有趣的研究论文，该论文以几种方式应用了机器学习来解决问题，但似乎没有一个完整的证明答案。我认为我最好的选择是尝试将文件传递给excel文件阅读器，并捕获任何不正确的格式异常。

Answer 1

正如评论中提到的那样，由于可能的文件类型太多，所有可能的文件都会被击中或丢失，但是您可能知道通常要处理的文件类型。这张出色的魔术数字列表最近帮助我对您提到的特定Office格式（搜索Microsoft
Office）进行了检测，您会发现MS
Office文件类型指定了子类型（该文件中还有其他子类型）并让您明确计算出您拥有哪种类型的文件。许多新格式（例如ODT，DOCX，OOXML等）都使用ZIP文件来保存其数据，因此您可能需要先检测zip，然后查找详细信息。