如何正确检测.p7m文件的内容类型、幻数及扩展名？

首先明确：P7M本质是带原始内容的PKCS#7签名容器（SignedData类型），而P7S是仅包含签名的文件，Tika默认的检测逻辑容易混淆这两者，或者直接识别出P7M内部包裹的原始文件类型（比如你遇到的DBF）。

先排查代码优化点 #

你的代码本身没有语法错误，但缺少两个关键优化：

1. 添加文件名元数据辅助识别
   Tika会参考文件名扩展名来辅助判断类型，如果你知道目标文件的文件名（比如xxx.p7m），在创建Metadata时加上这行：

metadata.set(Metadata.RESOURCE_NAME_KEY, "xxx.p7m");

这样Tika会结合扩展名和文件内容来判断，避免只解析内部包裹的文件。

2. 手动区分PKCS#7的两种类型
   PKCS#7文件的开头通常是ASN.1 BER编码的0x30 0x82（SEQUENCE类型的长格式标记），你可以先检查字节流前两个字节：

if (content.length >= 2 && content[0] == 0x30 && content[1] == 0x82) {
    // 是PKCS#7结构，进一步区分P7M/P7S
}

Tika默认把application/pkcs7-signature映射为.p7s，而application/pkcs7-mime对应.p7m，你可以手动判断媒体类型后调整扩展名：

MediaType mediaType = config.getMimeRepository().detect(stream, metadata);
if (mediaType.toString().equals("application/pkcs7-signature")) {
    // 检查是否包含原始内容，是的话强制用.p7m
    extension = ".p7m";
}

用BouncyCastle实现精准识别 #

如果需要100%准确区分P7M和P7S，优先用BouncyCastle直接解析PKCS#7结构：
P7M是包含原始内容的SignedData，而P7S是仅签名的文件（无原始内容）。示例代码：

import org.bouncycastle.cms.CMSException;
import org.bouncycastle.cms.CMSSignedData;
import org.bouncycastle.cms.CMSTypedData;

import java.io.ByteArrayInputStream;
import java.io.IOException;

public class P7MDetector {
    public static boolean isP7MFile(byte[] content) {
        try {
            CMSSignedData signedData = new CMSSignedData(new ByteArrayInputStream(content));
            // 存在签名内容则为P7M，否则是P7S
            CMSTypedData signedContent = signedData.getSignedContent();
            return signedContent != null;
        } catch (CMSException | IOException e) {
            return false;
        }
    }
}

结合Tika使用：先用BouncyCastle判断是否是P7M，再用Tika解析内部文件类型；或者直接用BouncyCastle确定类型后返回.p7m扩展名。

总结 #

• 不需要更换库，优先通过添加文件名元数据+手动幻数检查优化Tika的识别逻辑；
• 追求精准性的话，结合BouncyCastle解析PKCS#7结构，直接判断是否为带内容的P7M容器。

内容的提问来源于stack exchange，提问作者Matt