Apache Tika parseToString方法为何返回末尾多余换行符？

问题重现 #

代码关键部分：

import org.apache.tika.Tika;

Tika tika;

"test".getBytes() // <-- 包含4个字节的数组

tika.parseToString(TikaInputStream.get("test".getBytes())) // <-- 将返回带换行符\n的5个字节

疑问：为何会出现这种情况？能否让Tika仅返回原始字节对应内容且不带额外换行符？有没有无需手动移除换行、也无需复杂内容处理器的简便方案？（注：待解析内容包含大量换行符，需保留原始所有换行，且无法确定Tika是否仅针对特定输入添加末尾换行）

原因说明 #

Tika默认的parseToString方法使用BodyContentHandler处理解析结果，该处理器会在解析完成的endDocument阶段自动添加换行符，这是设计行为而非bug——目的是统一不同类型文档解析后的文本格式，避免出现无结尾的内容片段。

简便解决方案 #

不需要手动处理换行，也无需复杂的内容处理器封装，只需自定义Tika实例，重写parseToString方法，用ToStringContentHandler替代默认处理器即可：

import org.apache.tika.Tika;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.sax.ToStringContentHandler;
import org.apache.tika.io.TikaInputStream;

// 自定义Tika实例，替换默认内容处理器
Tika tika = new Tika() {
    @Override
    public String parseToString(InputStream stream) throws IOException, TikaException {
        ToStringContentHandler handler = new ToStringContentHandler();
        getParser().parse(stream, handler, new Metadata(), new ParseContext());
        return handler.toString();
    }
};

// 测试验证
byte[] inputBytes = "test".getBytes();
String parsedResult = tika.parseToString(TikaInputStream.get(inputBytes));
// 此时parsedResult长度为4，无末尾额外换行，同时保留原始内容中的所有换行符

这个方案既保留了Tika自动检测文件类型并解析的核心能力，又不会额外添加末尾换行符，完全满足需求。

内容的提问来源于stack exchange，提问作者Marek Bernád