Question

我正在逐行读取文件，如下所示：

 FileReader myFile = new FileReader(File file);
 BufferedReader InputFile = new BufferedReader(myFile);
 // Read the first line
 String currentRecord = InputFile.readLine();

 while(currentRecord != null) {
      currentRecord = InputFile.readLine();
 }

但如果上传其他类型的文件，它仍会读取其内容。例如，如果上传的文件是图像，则在读取文件时将输出垃圾字符。所以我的问题是：如何在阅读之前检查文件是否为CSV？

检查文件的扩展名有点蹩脚，因为有人可以上传非CSV但扩展名为.csv的文件。提前谢谢。

Answer 1

确定文件的MIME类型并不容易，特别是如果ASCII部分可以与二进制部分混合使用。

实际上，当你看一下java邮件系统如何确定电子邮件的MIME类型时，它确实涉及读取其中的所有字节，并应用一些“规则”。
查看MimeUtility.java

如果此数据源的主要类型是“text”，并且如果其输入流中的所有字节都是US-ASCII，则编码为“7bit”。

如果超过一半的字节是非US-ASCII，则编码为“base64”。

如果少于一半的字节是非US-ASCII，则编码为“quoted-printable”。

如果此数据源的主要类型不是“text”，那么如果其输入流的所有字节都是US-ASCII，则编码为“7bit”。

如果甚至有一个非US-ASCII字符，则编码为“base64”。   @return“7bit”，“quoted-printable”或“base64”

正如mmyers在删除的评论中提到的，JavaMimeType应该做同样的事情，但是：

自2006年以来已经死了
确实涉及阅读所有内容！

File file = new File("/home/bibi/monfichieratester");
InputStream inputStream = new FileInputStream(file);
ByteArrayOutputStream byteArrayStream = new ByteArrayOutputStream();
int readByte;
while ((readByte = inputStream.read()) != -1) {
    byteArrayStream.write(readByte);
}
String mimetype = "";
byte[] bytes = byteArrayStream.toByteArray();

MagicMatch m = Magic.getMagicMatch(bytes);
mimetype = m.getMimeType();

所以......既然你正在阅读文件的所有内容，你可以利用它来根据内容和你自己的规则来确定类型。

Answer 2

Java Mime Magic可能有用。它将从文件和输入流中分析mime类型。但是，我不能保证它的功能。

This link可能会提供更多信息。它提供了几种不同的方法来确定如何做你想要的（或至少类似的东西）。

我可能会想要写一些特定于您的问题域的内容。例如确定每行的逗号分隔值的数量，如果不在某些限制范围内则拒绝。然后在逗号上拆分并根据要求解析每个条目（例如，它们是双精度/浮点数/有效字符串 - 如果是字符串，则是什么编码）。我认为你可能不得不这样做，因为有人可能上传一个像CSV一样但在中途被破坏的文件。

使用Java验证CSV文件

2 个答案: