告诉Tika不要解析XML

Question

我想配置一个不解析XML文件的Tika服务器。

我写了以下配置文件：

<?xml version="1.0" encoding="UTF-8"?>
<properties>
  <parsers>
    <parser class="org.apache.tika.parser.EmptyParser">
    </parser>
  </parsers>
</properties>

这个配置告诉Tika什么都不解析。特别是，它不应该解析XML文件。此外，它应该在提取任何文档时失败，因为支持的EmptyParser类型是空集。让我们通过启动Tika服务器验证：

java -jar tika-1.17-src/tika-1.17/tika-server/target/tika-server-1.17.jar --config tika_config.xml

并提交一个简单的XML文件（tika_config.xml的副本）：

curl -T samples/sample.xml http://localhost:9998/meta --header "Accept: application/json"

我们得到：

{"Content-Encoding":"ISO-8859-1","Content-Type":"application/xml","X-Parsed-By":"org.apache.tika.parser.html.HtmlParser","language":""}%

为什么Tika解析XML文件？而且，为什么它使用HtmlParser而不是XML解析器？

这种优惠待遇似乎特定于XML，因为我无法使用普通/文本，application / pdf，application / zip，application / octet-stream甚至text / html重现它！但是我找不到任何正在发生的事情。