OneNote支持Apache Tika解析器

Question

我希望能够使用apache tika检测.one，.onetoc，.onetoc2文件的mime类型。但是，从他们的文档https://tika.apache.org/1.14/formats.html似乎没有它的支持。使用Tika的纯文件解析技术我总是得到application / octet-stream而不是application / onenote。 它们支持基于扩展和基于名称的内省来确定mime类型，但这是不可靠的，因为我总是可以命名文件* .one，它会将mime类型作为'application / onenote'抛出，这是不正确的。 任何可用库的指针都可以轻松检测给定文件是否为onenote类型或者是否存在我在Tika中丢失的内容？

Answer 1

对于mime-magic驱动的OneNote文件检测，您需要等待Apache Tika 1.15，或者获取包含commit aa448a3b7e61f9a46efd1bf3f2ac72e6a3852d8f的nightly / git构建。

你可能也对TIKA-2224感兴趣，这是一个错误。请注意，截至2016年12月，我们仍需要一些更小的样本测试OneNote文件用于检测测试。如果可以的话，请将它们添加到bug中。

此外，目前唯一的OneNote支持是针对.one和.onetoc格式的基于魔力的检测。没有可用的解析器，请参阅this Tika mailing list thread以获取有关添加Parser支持所涉及的信息和指示。