Question

我想检查用户是否仅上传特定的文件格式（仅限文本文件）。

我已经编写了一个验证机制，用于检查文件名之后的格式，如

filename.txt

但是，当它接受其他文件（如excel文件）时会产生一个问题，这些文件保存为.txt，如

myexcelfile.txt is being assumed as a text file even when it is an excel file

那么，要检查的唯一参数是什么，以确保上传的文件是所需的类型？

使用apache-commons uploader，servlets。

====================== EDIT =====================

根据以下答案，我试过

FileInputStream my = new FileInputStream(uploadedFile2);
InputStream inputStream = new BufferedInputStream(my);
String mimeType = URLConnection.guessContentTypeFromStream(inputStream);

但总是返回一个空值。

probe content type基于文件名扩展名，this approach也存在错误，也检查了该错误。

我不喜欢使用第三方文件验证程序，我相信这个问题会有一个合理的解决方案。

Answer 1

Apache Tika具有适用于content detection范围的file formats个功能。从文档中，检测内容类型的最简单方法之一是基于以下代码：

// default tika configuration can detect a lot of different file types
TikaConfig tika = new TikaConfig();

// meta data collected about the source file
Metadata metadata = new Metadata();
metadata.set(Metadata.RESOURCE_NAME_KEY, f.toString());

// determine mime type from file contents   
String mimetype = tika.getDetector().detect
    (TikaInputStream.get(uploadedFile2), metadata);
System.out.println("File " + uploadedFile2 + " is " + mimetype);

如果mimetype为text/plain，则文件或流包含纯文本内容。

Answer 2

您可以打开文件并将前几个字节读入byte[]并检查值以查看它是否与特定文件格式的已知幻数相匹配。我试着找出Excel文件会是什么（pre-XML; xlsx文件格式会识别为zip文件），但我还没有真正找到关于它的数据。到目前为止，我发现的最接近的事情是查看Java Excel文件解析器库的代码。

旧的Excel数据格式使用了所谓的BIFF。查看Apache POI library以获取解析器等文件类型。从它的外观来看，Excel文件的幻数可能是00 06 10 00（对于BIFF8工作表），或00 05 10 00（BIFF7工作表，听起来相当古老）。

Answer 3

试

 Files.probeContentType(Paths.get("~/a.xls"))

请注意，输出取决于系统内容类型检测器 - 它可能在不同的计算机上有所不同。

至于我，这段代码返回

application/vnd.ms-excel

Answer 4

private static String getMimeType(String fileUrl) {
    String extension = MimeTypeMap.getFileExtensionFromUrl(fileUrl);
    return MimeTypeMap.getSingleton().getMimeTypeFromExtension(extension);
}

在Java中识别文件类型

4 个答案: