Apache Tika e Json

Question

Quando uso Apache Tika per determinare il tipo di file dal contenuto. Il file XML va bene, ma non il json. Se il tipo di contenuto è json, restituirà "text/plain" invece di "application/json".

Qualsiasi aiuto?

public static String tiKaDetectMimeType(final File file) throws IOException { 
    TikaInputStream tikaIS = null; 
    try { 
     tikaIS = TikaInputStream.get(file); 
     final Metadata metadata = new Metadata(); 
     return DETECTOR.detect(tikaIS, metadata).toString(); 
    } finally { 
     if (tikaIS != null) { 
      tikaIS.close(); 
     } 
    } 
} 

Answer 1

JSON è basato su testo semplice, quindi non è del tutto sorprendente che Tika segnalato come tale quando somministrato solo il byte da lavorare.

Il tuo problema è che non hai fornito anche il nome del file, quindi Tika non aveva quello con cui lavorare. Se tu avessi, Tika potrebbe aver detto bytes=plain text + filename=json => json e dato la risposta che vi aspettavate

La linea che ti manca è:

metadata.set(Metadata.RESOURCE_NAME_KEY, filename); 

Quindi il frammento di codice fisso sarebbe:

tikaIS = TikaInputStream.get(file); 
final Metadata metadata = new Metadata(); 
metadata.set(Metadata.RESOURCE_NAME_KEY, file.getName()); 
return DETECTOR.detect(tikaIS, metadata).toString(); 

Con ciò, riceverai una risposta di JSON come ti aspettavi

Answer 2

Per coloro che non hanno a che fare con un file, ho trovato più semplice eseguire il payload tramite Jackson per vedere se può essere analizzato o meno. Se Jackson può analizzarlo, sai 1) stai lavorando con JSON e 2) il JSON è valido.

private static final ObjectMapper MAPPER = new ObjectMapper(); 
public static boolean isValidJSON(final String json) { 
    boolean valid = true; 
    try { 
     MAPPER.readTree(json); 
    } catch (IOException e) { 
     valid = false; 
    } 
    return valid; 
}