apache tika用于文件类型检测和从各种格式的文件内容提取的库。
将上传文件至服务器,进行解析文件时,经常需要判断文件是否损坏。我们可以使用tika来检测文件是否损坏
- maven引入如下:
<dependency>
<groupid>org.apache.tika</groupid>
<artifactid>tika-app</artifactid>
<version>1.18</version>
</dependency>
<dependency>
<groupid>xerces</groupid>
<artifactid>xercesimpl</artifactid>
<version>2.11.0</version>
</dependency>
如果jar包冲突时可以引入如下:
<dependency> <groupid>org.apache.tika</groupid> <artifactid>tika-core</artifactid> <version>1.18</version> </dependency> <dependency> <groupid>org.apache.tika</groupid> <artifactid>tika-parsers</artifactid> <version>1.18</version> </dependency> <dependency> <groupid>xerces</groupid> <artifactid>xercesimpl</artifactid> <version>2.11.0</version> </dependency>
- 使用tika检测文件是否损坏:
如果从输入流读取失败,则parse方法抛出ioexception异常,从流中获取的文档不能被解析抛tikaexception异常,处理器不能处理事件则抛saxexception异常
当文档不能被解析时,说明文档损坏
- 执行过程:
public static void main(string[] args) { try { //assume sample.txt is in your current directory file file = new file("d:\\测试.txt"); boolean result = isparsefile(file); } catch (exception e) { e.printstacktrace(); } } /** * 验证文件是否损坏 * * @param file 文件 * @return true/false * @throws exception */ private static boolean isparsefile(file file) throws exception { try { tika tika = new tika(); string filecontent = tika.parsetostring(file); system.out.println(filecontent); return true; } catch (tikaexception e) { return false; } }
输出结果:
测试数据---读取文本内容