Question

我尝试过这些方法来查找文件的MIME类型......

Path source = Paths
                .get("C://Users/akash/Desktop/FW Internal release of MSTClient-Server5.02.04_24.msg");
        System.out.println(Files.probeContentType(source));

以上代码返回null ...
如果我使用Apache的TIKA API来获取MIME类型，那么它将它作为text / plain ...

但我希望结果为application/vnd.ms-outlook

更新

我还使用MIME-Util.jar如下代码...

MimeUtil2 mimeUtil = new MimeUtil2();
        mimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.MagicMimeMimeDetector");
        RandomAccessFile file1 = new RandomAccessFile(
                "C://Users/akash/Desktop/FW Internal release of MSTClient-Server5.02.04_24.msg",
                "r");
        System.out.println(file1.length());
        byte[] file = new byte[624128];
        file1.read(file, 0, 624128);
        String mimeType = MimeUtil2.getMostSpecificMimeType(mimeUtil.getMimeTypes(file)).toString();

这使我的输出为application/msword

更新：

Tika API超出范围，因为它太大而无法包含在项目中......

那我怎样才能找到MIME类型？

Answer 1

我尝试了一些可能的方法，并且使用tika给出了您期望的结果，我没有看到您使用的代码，所以我无法仔细检查它。

我尝试了不同的方法，而不是全部在代码段中：

Java 7 Files.probeContentType(path)
URLConnection mime检测文件名和内容类型猜测
JDK 6 JAF API javax.activation.MimetypesFileTypeMap
MimeUtil与MimeDetector的所有可用子类我找到了
Apache Tika
Apache POI暂存器

这里是测试类：

import java.io.BufferedInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.net.URLConnection;
import java.util.Collection;

import javax.activation.MimetypesFileTypeMap;

import org.apache.tika.detect.Detector;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.mime.MediaType;
import org.apache.tika.parser.AutoDetectParser;

import eu.medsea.mimeutil.MimeUtil;

public class FindMime {

    public static void main(String[] args) {
        File file = new File("C:\\Users\\qwerty\\Desktop\\test.msg");

        System.out.println("urlConnectionGuess " + urlConnectionGuess(file));

        System.out.println("fileContentGuess " + fileContentGuess(file));

        MimetypesFileTypeMap mimeTypesMap = new MimetypesFileTypeMap();

        System.out.println("mimeTypesMap.getContentType " + mimeTypesMap.getContentType(file));

        System.out.println("mimeutils " + mimeutils(file));

        System.out.println("tika " + tika(file));

    }

    private static String mimeutils(File file) {
        try {
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.MagicMimeMimeDetector");
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.ExtensionMimeDetector");
//          MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.OpendesktopMimeDetector");
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.WindowsRegistryMimeDetector");
//          MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.TextMimeDetector");
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            Collection<?> mimeTypes = MimeUtil.getMimeTypes(is);
            return mimeTypes.toString();
        } catch (Exception e) {
            // TODO: handle exception
        }
        return null;
    }

    private static String tika(File file) {
        try {
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            AutoDetectParser parser = new AutoDetectParser();
            Detector detector = parser.getDetector();
            Metadata md = new Metadata();
            md.add(Metadata.RESOURCE_NAME_KEY, "test.msg");
            MediaType mediaType = detector.detect(is, md);
            return mediaType.toString();
        } catch (Exception e) {
            // TODO: handle exception
        }
        return null;
    }

    private static String urlConnectionGuess(File file) {
        String mimeType = URLConnection.guessContentTypeFromName(file.getName());
        return mimeType;
    }

    private static String fileContentGuess(File file) {
        try {
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            return URLConnection.guessContentTypeFromStream(is);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

}

这是输出：

urlConnectionGuess null
fileContentGuess null
mimeTypesMap.getContentType application/octet-stream
mimeutils application/msword,application/x-hwp
tika application/vnd.ms-outlook

已更新我添加了此方法以测试Tika的其他方式：

private static void tikaMore(File file) {
    Tika defaultTika = new Tika();
    Tika mimeTika = new Tika(new MimeTypes());
    Tika typeTika = new Tika(new TypeDetector());
    try {
        System.out.println(defaultTika.detect(file));
        System.out.println(mimeTika.detect(file));
        System.out.println(typeTika.detect(file));
    } catch (Exception e) {
        // TODO: handle exception
    }
}

使用没有扩展名的msg文件进行测试：

application/vnd.ms-outlook
application/octet-stream
application/octet-stream

使用重命名为msg的txt文件进行测试：

text/plain
text/plain
application/octet-stream

在这种情况下，使用空构造函数的最简单方法似乎是最可靠的。

更新您可以使用Apache POI暂存器创建自己的检查器，例如，这是获取消息mime的简单实现，如果文件格式不正确，则为null（通常为{ {1}}）：

org.apache.poi.poifs.filesystem.NotOLE2FileException: Invalid header signature

Answer 2

从@Duffydake的评论中得到启示，我尝试阅读神奇的数字。同意MS文件头的前8个字节保持相同D0 CF 11 E0 A1 B1 1A E1（有趣的是看前四个字节看起来像eDoCFilE），但你可以检查这个link如何理解完整的头并找到文件类型。（例如，在链接中找到一个excel文件，但您可以使用类似的字节读取来查找msg文件类型）

如果您可以假设没有人会玩，并将.doc或.xls文件存储为.msg文件，那么您只需读取标头的前8个字节并将其与文件扩展名组合，例如{{ 1}}

Answer 3

您可以尝试将文件转换为MimeMagic，然后使用byte[] data = FileUtils.toByteArray("file.msg"); MagicMatch match = Magic.getMagicMatch(data); String mimeType = match.getMimeType();（Maven location here）来处理它。这样的事情：

{{1}}

我不确定这会100％有效，但尝试不会死：）

Answer 4

我必须得到另一种解决方法。我发现MS文档（doc，docx，xls，xlsx，msg）是具有不同扩展名的压缩文件。我没有测试每个MS文件类型，因为它超出了当前范围

只需展开文件即可：

Docx：打开[Content_Types] .xml并检查它是否包含＆＃34; wordprocessingml＆＃34;

XlsX：打开[Content_Types] .xml并检查它是否包含＆＃34; spreadsheetml＆＃34;

doc：检查文件＆＃34; WordDocument＆＃34;

xls：检查文件＆＃34;工作簿＆＃34;

msg：检查文件＆＃34; __ properties_version1.0＆＃34;

我仍在测试msg以查看是否有更好的用法，但此文件存在于已发送和未发送的消息中，因此我假设它可以安全使用。

如何获取.MSG文件的MIME类型？

4 个答案: