如何在Tika 2.6版本中正确检测Adobe Illustrator文件？

问题原因 #

Adobe Illustrator（.ai）文件通常会嵌入PDF流，Tika默认检测逻辑会优先识别文件中的PDF内容，因此返回application/pdf而非预期的application/illustrator。

解决方案 #

1. 手动传入文件名辅助检测 #

Tika的检测器会结合文件内容与文件名进行类型判断，确保Metadata中包含带.ai后缀的文件名，可帮助检测器精准识别：

public MediaType detectMimeTypeFromContent(@NonNull File file) throws IOException {
    TikaConfig config = TikaConfig.getDefaultConfig();
    Detector detector = config.getDetector();
    Metadata metadata = new Metadata();
    // 手动设置文件名到Metadata，传递带后缀的文件名
    metadata.set(Metadata.RESOURCE_NAME_KEY, file.getName());
    try (TikaInputStream tikaStream = TikaInputStream.get(file, metadata)) {
        return detector.detect(tikaStream, metadata);
    }
}

2. 自定义Tika配置优先检测AI类型 #

若文件名辅助仍无效，可通过自定义配置让AI检测器优先于PDF检测器执行：
创建tika-config.xml配置文件：

<?xml version="1.0" encoding="UTF-8"?>
<properties>
    <detectors>
        <detector class="org.apache.tika.detect.image.IlliustratorDetector"/>
        <detector class="org.apache.tika.detect.DefaultDetector"/>
    </detectors>
</properties>

在代码中加载该配置：

// 替换为你的配置文件路径
TikaConfig config = new TikaConfig(new File("tika-config.xml"));
Detector detector = config.getDetector();
// 后续检测逻辑同前

3. 确认测试文件有效性 #

确保测试文件为原生Adobe Illustrator格式，而非仅包含PDF内容的导出文件，避免因文件本身结构问题导致检测偏差。

内容的提问来源于stack exchange，提问作者Ben