Apache Tika Parser在Fat Jar中仅识别2种MIME类型的问题排查

问题场景 #

创建空Maven项目，引入tika-core、tika-parsers-standard-package、slf4j-api、slf4j-simple依赖，使用maven-assembly-plugin构建Fat Jar。生成的Jar文件大小为47M，通过mvn dependency:tree检查依赖无异常，但运行诊断代码时，Tika仅返回video/mpeg、video/x-msvideo两种支持的MIME类型，且无任何警告输出。

排查尝试 #

• 调整依赖版本、修改插件配置、切换插件版本，问题依旧
• 在IDE中直接运行项目，Tika可正常识别229种MIME类型
• 创建空Spring Boot项目引入相同依赖，运行后功能正常

解决方案 #

将构建插件替换为maven-shade-plugin，并添加ServicesResourceTransformer转换器，配置示例如下：

<plugin>
    <groupId>org.apache.maven.plugins</groupId>
    <artifactId>maven-shade-plugin</artifactId>
    <version>3.4.1</version>
    <executions>
        <execution>
            <phase>package</phase>
            <goals>
                <goal>shade</goal>
            </goals>
            <configuration>
                <transformers>
                    <transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
                </transformers>
            </configuration>
        </execution>
    </executions>
</plugin>

原因解析 #

Tika依赖Java的ServiceLoader机制加载各类解析器，maven-assembly-plugin打包时会直接覆盖多个依赖中的META-INF/services文件，导致大部分解析器的配置丢失；而ServicesResourceTransformer会合并所有依赖中的META-INF/services文件内容，保证ServiceLoader能找到所有实现类，从而让Tika正常识别全部MIME类型。

内容的提问来源于stack exchange，提问作者Oleg Gritsak