Apache Tika REST Server 422错误：如何区分加密与格式不支持场景？

首先得明确：当前默认的Tika REST服务确实不会在422响应中附带区分加密文件和无效格式的额外信息，控制台能看到的提示不会体现在响应头或响应体里。不过有几种办法可以解决这个问题，优先推荐你用响应头扩展的方式：

1. 自定义Tika REST服务添加错误类型响应头 #

因为Tika是开源项目，你可以修改REST端点的代码逻辑，在抛出对应异常时添加自定义响应头。具体步骤如下：

• 找到Tika REST处理文件解析的核心代码（比如TikaResource类里的解析方法）
• 捕获对应的异常：
  • 加密文件对应的异常是org.apache.tika.exception.EncryptedDocumentException
  • 无效格式对应的异常是org.apache.tika.exception.UnsupportedFormatException
• 在捕获到这些异常时，除了返回422状态码，额外添加自定义响应头，比如X-Tika-Error-Type，分别设置值为encrypted或invalid-format

示例代码片段：

try {
    // 执行文件解析逻辑
} catch (EncryptedDocumentException e) {
    response.setStatus(Response.Status.UNPROCESSABLE_ENTITY.getStatusCode());
    response.addHeader("X-Tika-Error-Type", "encrypted");
} catch (UnsupportedFormatException e) {
    response.setStatus(Response.Status.UNPROCESSABLE_ENTITY.getStatusCode());
    response.addHeader("X-Tika-Error-Type", "invalid-format");
} catch (Exception e) {
    // 处理其他通用异常
}

修改后重新打包部署Tika REST服务，之后调用时就能通过响应头区分错误原因了。

2. 启用详细错误响应配置 #

部分较新版本的Tika REST支持通过启动参数开启详细错误信息返回，不需要修改代码。你可以在启动Tika REST时添加JVM参数：

java -Dtika.rest.return.error.details=true -jar tika-server-x.x.x.jar

开启后，当返回422状态码时，响应体不再是空的，会包含JSON格式的错误详情，比如：

{
"error": "encrypted file",
"exception": "org.apache.tika.exception.EncryptedDocumentException"
}

或者

{
"error": "format not valid",
"exception": "org.apache.tika.exception.UnsupportedFormatException"
}
通过解析响应体就能直接区分错误类型。

3. 备选方案：先检测文件格式 #

如果暂时无法修改服务或配置，可以先调用Tika的/detect接口检测文件格式，确认格式在Tika支持列表内后再进行解析。这样如果格式不支持，你可以提前判断，剩下的422响应就大概率是加密文件导致的。不过这个方法不是100%覆盖所有情况，比如有些格式检测通过但解析时仍有问题，但能减少大部分混淆场景。

内容的提问来源于stack exchange，提问作者Oliver