Apache Tika 2.8.0内容类型检测不一致问题咨询

这种差异源于Tika内部针对不同格式设计的检测规则和优先级：

• PDF检测逻辑：PDF有严格的魔数校验要求，文件开头必须是%PDF-。Tika的PDF检测器会优先校验魔数，只要内容不匹配，即便文件名带.pdf扩展名，也会直接排除PDF类型，最终由文本检测器识别为纯文本。

• RTF检测逻辑：RTF的魔数{\rtf并非所有RTF文件都必须具备，早期或简化的RTF可能仅包含纯文本。Tika的RTF检测器在魔数校验不通过时，会 fallback 到扩展名匹配——只要文件名带.rtf，就判定为application/rtf，认为这种场景下扩展名的可信度更高。

另外，仅引入tika-core依赖会限制检测能力：核心包中的PDF检测器逻辑更严谨，而RTF检测器仅实现了基础规则，没有扩展包中的增强校验逻辑，这也加剧了两者的行为差异。

内容的提问来源于stack exchange，提问作者dbp