Как надежно определить типы файлов?

Question

Цель: данный файл, определить, является ли оно данного типа (XML, JSON, свойства и т.д.)

Рассмотрим случай XML - пока мы не столкнулись с этим вопросом, следующий пример подход работал отлично:

try { 
     saxReader.read(f); 
    } catch (DocumentException e) { 
     logger.warn(" - File is not XML: " + e.getMessage()); 
     return false; 
    } 
    return true; 

Как и ожидалось, когда XML хорошо сформирован, тест пройдет, и метод вернет true. Если что-то плохое происходит, и файл не может быть проанализирован, возвращается false.

Это ломается, однако, когда мы имеем дело с искаженным XML (все еще XML-файлом).

Я предпочел бы не полагаться на .xml расширение (не может все время), ищет <?xml version="1.0" encoding="UTF-8"?> строки внутри файла и т.д.

Есть еще один способ, это может быть обработан?

Что бы вы видели внутри файла, чтобы «подозревать, что это может быть XML, хотя DocumentException был пойман». Это необходимо для синтаксического анализа.

Answer 1

средства обнаружения Тип файла:

• Mime Type Detection Utility
• DROID (Digital Record Object Identification)
• ftc - File Type Classifier
• JHOVE, JHOVE2
• NLNZ Metadata Extraction Tool
• Apache Tika
• TrID, TrIDNet
• Oracle Outside In (коммерческий)
• Forensic Innovations File Investigator TOOLS (коммерческий)

Answer 2

Apache Tika дает мне наименьшее количество вопросов и не является конкретной платформы в отличие от Java 7: Files.probeContentType

import java.io.File; 
import java.io.IOException; 
import javax.activation.MimeType; 
import org.apache.tika.Tika; 

File inputFile = ... 
String type = new Tika().detect(inputFile); 
System.out.println(type); 

Для xml-файл, который я получил «application/xml»

для файла свойств я получил «текст/Plain»

Однако вы можете добавить детектор к новому Тика()

<dependency> 
    <groupId>org.apache.tika</groupId> 
    <artifactId>tika-core</artifactId> 
    <version>1.xx</version> 
</dependency> 

Answer 3

Для тех, кто не нуждается в очень точное обнаружение (в Java 7 в файлы .probeContentType метод упоминается rjdkolb)

Path filePath = Paths.get("/path/to/your/file.jpg"); 
String contentType = Files.probeContentType(filePath);