tika:禁止查看zip文件内部

文章/答案/技术大牛

发布

1回答

java、apache-tika

目前，tika正在处理zip文件，查看其中的内容。 MediaType mediaType = detector.detect(TikaInputStream.get(is), metadata);此代码返回压缩的mime类型文件

浏览 13提问于2018-08-23得票数 0

1回答

如何从zip归档中的内容中检测文件类型？

java、gzip、apache-tika、ziparchive、zipinputstream

我有一个包含几个gzip文件的zip归档文件。但是gzip文件的扩展名也是.zip。我使用ZipInputStream遍历zip存档。如何通过读取内部文件的内容而不是扩展名来检测内部文件的类型。所以我需要；使用inputStream (在我的例子中是ZipInputStream)读取压缩文件，因为在zip中进行压缩是可能的。从其内容中查找文件类型。在从其内容中查

浏览 4提问于2021-02-19得票数 0

1回答

使用Tika jars的Mimetype检查

java、apache-poi、apache-tika

我正在尝试使用Tika Jars确定文件附件mimetype。我正在使用Tika 1.4 Jar文件。我构建了jar文件并从命令中运行，给出了错误的mimetype.------------File Attachment: Testpdf.d

浏览 10提问于2014-03-06得票数 5

回答已采纳

2回答

Java -区分ZIP文件和CSV文件

java

我使用的是一个text服务，它总是向我发送一个纯文本文件。但是，该文件既可以是zip，也可以是csv，但事先没有通知我它的类型。当然，是否有一种方法可以以编程的方式查看文件类型。我已经想过要在文件内容中查找很多逗号，但这似乎不准确。

浏览 4提问于2016-12-01得票数 1

回答已采纳

1回答

场景我正在运行VueJs客户端、NodeJs Restify API和之外的Tika服务器。用户使用包含要解析的PDF文件的formData进行formData调用。API服务器应该将文件放到Tika服务器上的unpack/all端点，并接收包含文本文件、元数据文件和PDF中的图像集的zip。然后，我将处理zip并将一些数据传回客户端。当我从Tika服务器获得响应时，Tika服务器似乎将请求视为空；在<e

浏览 5提问于2021-06-04得票数 0

2回答

当两个服务器都安装在一个服务器上时，如何通过PHP使用Tika？

php、apache-tika

我需要一个内部网站，允许用户上传.doc，.pdf，.xls文件，并查看文本框中的文本。我在PHP中创建了这个站点，用户可以上传这些文件。我已经在我的服务器上安装了Tika，在命令行可以输入java -jar tika-app-1.10-SNAPSHOT.jar -m manu.pdf > output.txt，它成功地在输出文件中创建了我需要的文本从PHP中调用Tika的最佳方法是将上传的文件的纯文本输入PHP?四处搜寻

浏览 0提问于2015-06-04得票数 5

回答已采纳

1回答

tika PackageParser不适用于目录。

apache-tika

我正在编写一个类来递归地从zip文件中提取文件，并将它们生成到Kafka队列中以供进一步处理。我的意图是能够从多个级别的zip中提取文件。;import org.apache.tika.io.TikaInputStream; import org.apache.tika.metadata.Metadata上工作，只要zip中的文件</

浏览 1提问于2015-02-02得票数 0

回答已采纳

4回答

使用Apache获取MimeType子类型

java、mime-types、detection、apache-tika

对于odt、ppt、pptx、xlsx等文档，我需要获取应用程序MediaType，而不是应用程序/zip或应用程序/x-tika-msoffice。如果您查看mimetypes.xml，就会发现mimeType元素由iana.org mime类型和"sub-class- of“组成 <mime-type type="application/mswordjava.lang.AssertionError: expected:<vnd.openxmlformats-office

浏览 0提问于2011-08-21得票数 14

回答已采纳

1回答

将zip文件处理为Solr

solr、apache-tika

我必须处理zip文件，其中包含多个zip文件，这些zip文件有xml和图像文件。我必须将数据索引到solr中，它应该将结果作为XML数据的内容。我尝试了默认的solr-Tika示例，当我查询它时，它只返回zip文件名。我将如何实现这一点？Tika是满足我需求的唯一方式吗？提前谢谢。

浏览 0提问于2014-01-12得票数 0

2回答

在JAVA中上载APK文件的内容类型检查

java、spring、spring-mvc

如何检查用户是否真的在java中上传APK文件。if(apkFile.getContentType().equals("application/vnd.android.package-archive

浏览 2提问于2017-12-05得票数 0

回答已采纳

3回答

如何检查文件是否在R中压缩

在R中，确定文件是否压缩的最佳方法是什么？有没有什么特殊的函数来检查它？我问的是一些不同于查看文件扩展名的事情。.*(.gz|.bz2|.tar|.zip|.tgz|.gzip|.7z)[[:space:]]*$", filename)

浏览 1提问于2015-04-07得票数 6

3回答

如何从文件中准确地确定mime数据？

java、mime-types、file-type

我正在给程序添加一些功能，这样我就可以通过读取MIME数据来准确地确定文件类型。中文件类型的数量有限。我看了看，有些人说这是因为在文件中检测偏移量的方式，所以内容类型被错误地提取，就像在PHP中检测文件类型的中指出的那样。不幸的是，wiki继续使用扩展名来确定文件类型，这不是我想要做的，因为它不可靠。干杯阿列克谢·布鲁。我认为我最好的办法是尝试将文件传递给excel文件阅读器，并捕

浏览 1提问于2011-12-13得票数 14

回答已采纳

1回答

为什么Apache将jar文件的mimetype检测为application/zip而不是application/java存档？

java、jar、mime-types、apache-tika

我正在尝试检测jar文件代码的mime类型，但是问题是Apache Tika返回application/zip而不是java Jar文件的application/java-archive。我从html上传了Jar文件 { try{ mimeType = tika.dete

浏览 2提问于2020-06-01得票数 0

回答已采纳

1回答

Apache Tika* 1.7:解析zip归档中的文件*

java、scala、apache-tika

使用Apache Tika 1.7，我如何递归解析zip存档中的文件，直到达到某些递归限制？递归部分很重要，因为一个zip归档可能包含另一个zip归档。我假设可以使用新的RecursiveParserWrapper完成这项工作，但我在网上找不到任何示例-Jukka的示例使用与Tika1.7提供的接口不同的接口

浏览 24提问于2015-01-23得票数 1

1回答

无法使用Apache读取zipfile

java、zip、apache-tika

我使用Apache 1.5解析zip文件中的内容， Parser parser = new AutoDetectParser(); ParseContext context

浏览 2提问于2014-06-30得票数 1

回答已采纳

1回答

如何使用Solr配置在Tika中禁用(或增加限制) Zip炸弹检测？

solr、apache-tika

我听到一些“检测到Zip炸弹！”我们的一些大的HTML文件(之前从PDF转换而来)的例外，这些文件是合法的文件，同时试图用Solr对它们进行索引。Solr文档指出可以为它提供一个Tika配置文件，但是我在Tika文档中找不到如何设置SecureContentHandler的输出阈值，或者用另一个不能防止zip炸弹的处理程序替换这个处理程序…… 如何在Tika配置文件中指定这样的更改？

浏览 6提问于2016-09-22得票数 0

1回答

使用Tika提取包组件文件的元数据

metadata、apache-tika、text-extraction

我试图在命令行使用Tika提取包组件文件的元数据，但我似乎只能让它输出包含包文件的元数据。示例: test_file.zip包含两个文件: test1.doc和test2.doc。我试着运行这个：但这只输出了test_files.zip的Content-Length、Content-Type我还尝试运行以下代码： java -jar tika-

浏览 2提问于2014-05-20得票数 0

1回答

关于从上传的文档中提取文本的建议

sql、apache-poi、text-extraction

目前，我每天都有一些文档上传到我的网站上(.doc，.docx，.odt，pdf)，这些文档存储在sql数据库(mediumblob)中。我正在寻找自动化这个“剪切和粘贴”的过程-格式化并不是一个真正的问题，只要我可以提取文本-并希望一些人可能能够建议一个好的路线下？我一直在研究Apache POI，以期在上传时提取文本，但我不禁认为，考虑到我相对简单的需求，这可能有点过头了。考虑到我遇到的各种文档格式和当前在blob字段中

浏览 0提问于2012-04-20得票数 0

回答已采纳

1回答

是否有一种方法可以关闭在tika-服务器中的嵌入式文档的解析？

apache-tika、tika-server

我运行一个未经修改的Apache服务器1.22的JAX-RS实例，并将它用作HTTP端点服务，我将文件(主要是Office、PDF和RTF)发送给它，并从我们的应用程序(使用Accept="text/plain从Tika 1.15开始，默认的行为现在是“提取所有嵌入的文档”。我希望能够在我们的tika服务器上关闭这种行为，这样嵌入的文档就不会被提取，我只能得到主要文档内容的文本呈现。是否可以通过tika-config.xml文件执行此操作，或者是否需要执行自定义构建和子类Embedd

浏览 0提问于2019-10-10得票数 3

回答已采纳

点击加载更多