Java中如何根据字节数组byte[]准确获取文件扩展名及MIME类型

URLConnection.guessContentTypeFromStream()识别率低是JDK内置实现的固有缺陷，这个方法内置的文件头特征规则非常少，连PDF这类普及度极高的格式都没有覆盖，完全不适合生产环境使用，下面是几种可靠性从高到低的实现方案：

方案1：Servlet 3.0+ 原生API（无额外依赖，适合带原始扩展名的文件） #

Servlet规范从3.0版本开始就要求容器内置完整的MIME类型映射表，直接调用ServletContext#getMimeType就能拿到准确的类型，不需要额外引入第三方包：

// 直接传入文件名即可匹配对应MIME
String mimeType = getServletContext().getMimeType(my_file.getName());
// 直接设置到响应头即可
response.setContentType(mimeType);

这个方案的局限性是完全依赖文件名后缀，如果文件被重命名去掉了后缀、或者是用户上传的伪造后缀文件，会识别失效。

方案2：基于Apache Tika做文件头特征检测（准确率最高，适合无后缀/伪造后缀场景） #

Apache Tika是Java生态目前文件类型识别覆盖度最高的工具库，内置了上千种文件格式的魔数（文件头固定字节特征）规则，不依赖文件名就能准确识别PDF、Office系列文档、音视频、压缩包、可执行文件等几乎所有常见格式，PDF识别准确率100%。
核心实现代码非常简单：

// Tika实例线程安全，可以全局初始化一次复用
private static final Tika TIKA = new Tika();

// 直接传入File对象或者InputStream即可识别，不需要提前读完全部字节
String mimeType = TIKA.detect(my_file);

如果遇到冷门格式，只需要升级Tika版本就能获得对应支持，不需要自己维护识别规则。

原有Servlet代码的优化建议 #

你贴的原始文件输出代码存在资源泄漏风险：如果流读写过程中抛出异常，in.close()不会执行，会导致文件句柄泄漏，推荐用try-with-resources语法自动管理流资源，修正后的完整响应逻辑：

// 先设置响应头
String mimeType = // 用上面两种方案之一获取
response.setContentType(mimeType);
// 内联预览可以设置inline，触发下载替换为attachment
response.setHeader("Content-Disposition", "inline; filename=\"" + my_file.getName() + "\"");

// 自动管理流关闭，不需要手动调用close
try (OutputStream out = response.getOutputStream();
     FileInputStream in = new FileInputStream(my_file)) {
    byte[] buffer = new byte[4096];
    int length;
    while ((length = in.read(buffer)) > 0) {
        out.write(buffer, 0, length);
    }
    out.flush();
}

额外注意事项 #

• 不推荐自己手写文件魔数匹配规则，格式覆盖度低、维护成本极高，很容易漏判特殊格式
• 拿到MIME类型后可以维护一份简单的MIME到扩展名的映射表，就能获取对应文件的正确后缀，常规格式的映射规则基本不会变动
• 涉及用户上传文件的场景，一定要用文件头检测的方式识别类型，不要信任用户上传的文件名后缀，避免恶意文件绕过校验

内容的提问来源于stack exchange，提问作者Bryan Santos