Apache Tika无法使用文件内容检测内容类型
我一直试图仅使用文件内容检测MIME类型，使用Apache Tika Core和Apache Tika Parser1.23 jars。下面是用于相同内容的代码：
Tika tika = new Tika();
File file = new File(filepath);
String mimeType = tika.detect(file);
Tika无法检测扩展名为。tmp（text/plain file）和iso-8859-1字符集的文件的内容类型，内容如下：
èé
通过以下方式正确检测具有相同配置和以下内容的文件：
000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000
我已经尝试使用Linux File命令来检测mime类型，它与预期的一样工作。我还尝试使用Apache Tika App2.1.0 GUI，但它的行为与我的代码相同。
如何使用文件的内容来检测这样的文件有什么建议吗？提前谢谢你。
共有1个答案
Tika在文件中看到这些二进制值:1110100011100101
这些二进制值可能意味着任何东西。它可以是存储在此文件中的整数或长数，即59621
这一短数量的内容给了Tika太少的值，无法进行有根据的猜测，所以它默认不识别它，因为它不确定它的类型，扩展也无助于它清理高于确定性阈值的内容。
这就是为什么较长的文件确实起作用，因为它是一个长数据分段的整数块，掩盖为文本文件的变化更小了。
当tika由于文件不足而失败时，请尝试通过shell_exec()作为备份执行系统调用，以便对文件类型做出最佳猜测。
-
我试图实现JavaServlet过滤器，它修改html响应。 我的过滤器类的方法看起来像这样： 对于每一个回复，我都试图弄清楚它是否是HTML。如果是这种情况，我会做一些修改，但我有以下问题：在请求jsf文件时，返回（也返回）。在我的浏览器开发工具中，我可以看到“Content Type”标题的值为“text/html”；charset=UTF-8'，但在这种情况下，为什么返回？ 有没有其他方法来
-
我似乎无法通过google drive SDK检索文件的内容。为了重现这个问题，我使用API explorer来获取一个小文本文件的元数据： 然后我点击downloadUrl链接，我总是得到一个空响应，即一个200个带有空正文的响应。如果我从Url末尾删除“gd=true”参数，它就可以下载。在我的程序中，除了删除“gd=true”也不起作用（可能是因为程序运行在服务器上，所以我没有登录到我的帐户
-
大约一个小时后，我无法通过下载URL属性检索文件内容。
-
我有主要类别和子类别。 看猫。php？id=1页；（id=1为主要类别） 我还想显示子类别内容。 我的类别表： （如果sub=0，则表示这是主类别，否则为子类别） 我现在的问题是这样的,； 仅显示主类别内容，但不显示子类别内容。（cat.php？id=1） * 我想我必须再次连接类别表以获得子类别的ID。？？？ 当然，我需要一个新的查询。我需要得到并在同一页中列出。 我卡住了。
-
我正在尝试构建一个php国际象棋应用程序，并将其包装在容器中。起初，我使用了旧的docker配置，但它不起作用，所以我在上面添加了一些内容（比如将config apache文件复制到容器中等等）。重点是-I copy放入只包含一行代码的容器中。但是在运行容器之后，它显示第5行有错误。当我在运行之前查看文件的内容时，它显示它只包含1行，所以我感到困惑。在回购（下面的链接）中，我有这个文件。 这是我运