使用Tika识别docx返回错误mimetype application/x-tika-ooxml如何解决

问题原因 #

1. 依赖版本不兼容：你当前使用的tika-core 2.1.0属于2.x大版本，而tika-parsers 1.27属于1.x大版本，两个大版本的核心API、检测逻辑、依赖结构完全不兼容，导致OOXML格式的细分检测逻辑无法正常加载，只能返回通用的application/x-tika-ooxml类型。
2. 检测时缺少必要的元数据信息：你在调用detect方法时传入的是空白的Metadata对象，如果没有传入文件名、后缀等辅助信息，部分情况下Tika无法区分同属于OOXML结构的docx、xlsx、pptx等细分格式。
3. 代码逻辑存在小缺陷：你声明了TikaInputStream变量但没有实际赋值，最后finally块的关闭逻辑根本不会生效，输入流如果读取异常为空，也会影响检测结果。

解决步骤 #

1. 统一Tika依赖版本 #

所有Tika相关依赖必须使用同一个大版本号，推荐直接对齐到2.1.0版本，调整依赖如下：

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>2.1.0</version>
</dependency>
<!-- 替换原来的1.27版本tika-parsers，2.x版本解析器使用这个依赖 -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-standard-package</artifactId>
    <version>2.1.0</version>
    <type>pom</type>
</dependency>

如果你更习惯1.x版本的逻辑，也可以把tika-core版本降到1.27，保持所有Tika依赖版本完全一致即可。

2. 优化检测代码 #

修正流关闭逻辑，补充元数据辅助检测，优化后代码参考：

public String retrieveMimeType(InputStream stream, String fileName) throws IOException, TikaException {
    // 生产环境建议把TikaConfig做成单例，避免重复初始化开销
    TikaConfig tikaConfig = new TikaConfig();
    // 用try-with-resources自动管理流关闭，无需手动处理
    try (TikaInputStream tikaStream = TikaInputStream.get(stream)) {
        Metadata metadata = new Metadata();
        // 传入文件名辅助Tika区分同结构的不同OOXML格式
        if (fileName != null) {
            metadata.set(Metadata.RESOURCE_NAME_KEY, fileName);
        }
        MediaType mediaType = tikaConfig.getDetector().detect(tikaStream, metadata);
        return mediaType.toString();
    }
}

3. 结果验证 #

调整完成后重新测试docx文件检测，正常即可返回预期的application/vnd.openxmlformats-officedocument.wordprocessingml.document类型。

内容的提问来源于stack exchange，提问作者zidanow