用Content-Type头从eml文件中提取附件名称

Question

Content-Type: application/pdf; name="filename_a.pdf"
Content-Transfer-Encoding: base64
Content-Disposition: attachment; filename="filename_a.pdf"

"X-TIKA:embedded_resource_path": "/filename_a.pdf"

Content-Type: application/pdf; name="filename_a.pdf"
Content-Transfer-Encoding: base64
Content-Disposition: attachment;

"X-TIKA:embedded_resource_path": "/embedded-1"

 private String getResourceName(Metadata metadata, RecursiveParserWrapper.ParserState state) {
        String objectName = "";
        if (metadata.get("resourceName") != null) {
            objectName = metadata.get("resourceName");
        } else if (metadata.get("embeddedRelationshipId") != null) {
            objectName = metadata.get("embeddedRelationshipId");
        } else {
            objectName = "embedded-" + ++state.unknownCount;
        }

        objectName = FilenameUtils.getName(objectName);
        return objectName;
    }

我试图通过检查元数据对象中的Content-Type键来访问不知何故提到的filename属性，但它不在那里。（我假设Tika评估内容类型的关键字不只是通过查看适当的标题，因此缺少所需的文件名）

因此，我的问题是（因为我无法弄清楚）是否有一种方法可以修改Tika源代码，以强制从内容类型头中提取文件名，当内容处置头中缺少适当的文件名属性时？

Answer 1

好吧，所以我自己设法做到了。解决办法简单明了。

必须扩展\org\apache\tika\parser\mail\mailContentHandler.class中的一个条件。在第129行中，我们有：

if (contentDispositionFileName != null) {
   submd.set("resourceName", contentDispositionFileName);
}

通过使用附加的else块进行扩展：

if (contentDispositionFileName != null) {
   submd.set("resourceName", contentDispositionFileName);
} else {
    Map<String, String> contentTypeParameters = ((MaximalBodyDescriptor)body).getContentTypeParameters();
    String contentTypeFilename = (String)contentTypeParameters.get("name");
    submd.set("resourceName", contentTypeFilename);
}