Android中无扩展名Content URI的文件类型精准识别方案咨询

1. 优化系统MIME类型获取逻辑 #

首先可以简化并优化获取系统MIME类型的代码——Android的ContentResolver.getType(Uri)方法已经封装了查询COLUMN_MIME_TYPE的逻辑，比手动操作Cursor更简洁可靠：

ContentResolver contentResolver = getContentResolver();
String mimeType = contentResolver.getType(uri);

这个方法会优先从内容提供者的元数据中获取MIME类型，是最优先的可靠来源。

2. 改进Apache Tika的类型检测逻辑 #

你遇到的Tika将CSS/JS/JSON识别为text/plain的问题，是因为默认Tika实例仅启用了基础检测器，未加载针对文本子类的细分检测器。可以通过以下两种方式修复：

方式一：加载Tika完整配置（推荐）

使用TikaConfig初始化检测器，它会加载所有内置类型检测器，包括JSON、CSS、JS等细分类型：

import org.apache.tika.TikaConfig;
import org.apache.tika.detect.Detector;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.exception.TikaException;

public static String detectMimeTypeUsingTika(Uri uri, ContentResolver contentResolver) {
    try (InputStream inputStream = contentResolver.openInputStream(uri)) {
        // 加载Tika默认完整配置
        TikaConfig config = TikaConfig.getDefaultConfig();
        Detector detector = config.getDetector();
        Metadata metadata = new Metadata();
        // 执行类型检测
        return detector.detect(inputStream, metadata);
    } catch (IOException | TikaException e) {
        e.printStackTrace();
    }
    return null;
}

方式二：手动添加特定细分检测器

如果仅需针对目标类型（JSON/CSS/JS）优化，可以手动组合对应检测器：

import org.apache.tika.detect.CompositeDetector;
import org.apache.tika.detect.Detector;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.json.JsonDetector;
import org.apache.tika.parser.css.CssDetector;
import org.apache.tika.parser.javascript.JavaScriptDetector;
import org.apache.tika.parser.text.TextDetector;

public static String detectMimeTypeUsingTika(Uri uri, ContentResolver contentResolver) {
    try (InputStream inputStream = contentResolver.openInputStream(uri)) {
        // 组合目标检测器，TextDetector作为兜底
        Detector detector = new CompositeDetector(
                new JsonDetector(),
                new CssDetector(),
                new JavaScriptDetector(),
                new TextDetector()
        );
        Metadata metadata = new Metadata();
        return detector.detect(inputStream, metadata);
    } catch (IOException e) {
        e.printStackTrace();
    }
    return null;
}

3. 完整的类型检测流程 #

将两种方式结合，形成可靠的检测逻辑：

1. 优先获取系统提供的MIME类型
2. 当系统返回null、application/force-download或text/plain时，调用优化后的Tika方法二次检测

public String getReliableMimeType(Uri uri) {
    ContentResolver contentResolver = getContentResolver();
    String mimeType = contentResolver.getType(uri);
    
    // 需要二次检测的场景
    if (mimeType == null || "application/force-download".equals(mimeType) || "text/plain".equals(mimeType)) {
        mimeType = detectMimeTypeUsingTika(uri, contentResolver);
    }
    
    // 最终兜底返回text/plain
    return mimeType != null ? mimeType : "text/plain";
}

注意事项 #

• Tika依赖：确保项目引入正确的Tika依赖，比如通过Gradle/Maven引入tika-core和tika-parsers-standard-package（完整包），或对应的子模块（如tika-parser-json、tika-parser-css等）。
• 资源泄漏：使用try-with-resources语法自动关闭InputStream，避免资源泄漏（你之前的代码未处理流关闭，这是需要修复的问题）。

内容的提问来源于stack exchange，提问作者David Feldman