apache tika檢測文件是否損壞

Apache Tika用於文件類型檢測和從各種格式的文件內容提取的庫。

將上傳文件至服務器，進行解析文件時，經常需要判斷文件是否損壞。我們可以使用tika來檢測文件是否損壞

• 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包沖突時可以引入如下：

<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檢測文件是否損壞：　

　　如果從輸入流讀取失敗，則parse方法拋出IOException異常，從流中獲取的文檔不能被解析拋TikaException異常，處理器不能處理事件則拋SAXException異常

　　當文檔不能被解析時，說明文檔損壞

• 執行過程：

public static void main(String[] args) {
        try {
            //Assume sample.txt is in your current directory
            File file = new File("D:\\測試.txt");
            boolean result = isParseFile(file);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    /**
     * 驗證文件是否損壞
     *
     * @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;
        }
    }

　　輸出結果：

測試數據---讀取文本內容