时间戳

首页 > 解决方案 > 在 java 中：如何使用 mime_type 'application/octet-stream' 从二进制数据 (BYTEA) 文件中识别文件扩展名/文件类型并保存到磁盘？

groovy - 在 java 中：如何使用 mime_type 'application/octet-stream' 从二进制数据 (BYTEA) 文件中识别文件扩展名/文件类型并保存到磁盘？

问题描述

从数据库迁移中，我们在 postgreSQL 数据库中有一个数据转储。任务是用 java 或 groovy 编写一个脚本，以便以正确的格式读出文件并将它们保存到服务器。对于某些文件，在“mime_type”列中指定了 mime_type（例如 application/pdf、image/png）。在这些情况下，我能够以正确的格式保存它们。（-> 将它们作为字节数组输入流读入，将它们保存为相应格式的文件）。

但是 90% 的文件都有 mime_type "application/octet-stream"。在这些情况下，我怀疑文件的类型或格式是未知的。为了能够以正确的格式保存它们（例如png的pdf），我需要能够找出文件可能是什么类型。然后相应地转换它们。

我已经尝试过 URLConnection.guessContentTypeFromStream(inputStream) 方法，但这无法识别 mime_type。

        GroovyRowResult[] fileInBinary = sql.rows("""
        SELECT * FROM table_name WHERE id = 123456
        """)


        def temp = []

        fileInBinary.each { GroovyRowResult row ->
        temp << row.data
        }

        InputStream byteArrayInputStream = new ByteArrayInputStream((byte[]) temp.flatten(), temp.flatten().size())

        def mimeType = java.net.URLConnection.guessContentTypeFromStream(byteArrayInputStream)
        println "guessed mime Type is: " + mimeType

..followed by code to save the file, which works when mime_type specifies file format, e.g. pdf, word, or png

此代码有效，但guessContentType-Part 除外。

文件以二进制数据格式（BYTEA，相当于 BLOB 的 postgres）保存。

有谁知道如何找出这些应用程序/八位字节流文件最初具有的格式，从数据库中的二进制数据列（BYTEA 格式）中提取它们并将文件保存/读取到磁盘，例如 pdf、docx ，还是png？

提前谢谢了！

标签： groovyformatmime-typesidentifybytestream

解决方案

如果您不能依赖数据库的功能，则必须使用库。JDK 的检测功能或多或少与您使用的操作系统绑定，因此再次使用库将提供更稳定的结果。

这是使用Apache Tika的示例：

tika.detector.detect(TikaInputStream.get(row.data), new Metadata()) 会给你mimetype。它可以直接处理结果集的数据。如果你只需要检测很多blos上的mimetype而不需要实际数据，那么考虑只读取前几块数据，这足以检测到类型。

完整示例：

@Grapes([
@Grab('org.postgresql:postgresql:+'),
@Grab('org.apache.tika:tika-core:1.25'),
])
@GrabConfig(systemClassLoader=true)
import groovy.sql.Sql
import org.apache.tika.config.TikaConfig
import org.apache.tika.io.TikaInputStream
import org.apache.tika.metadata.Metadata

def db = Sql.newInstance("jdbc:postgresql://localhost/so65682432", "postgres", "postgres")
def tika = new TikaConfig()
db.eachRow("SELECT * FROM test") { row ->
  println tika.detector.detect(TikaInputStream.get(row.image), new Metadata())
}

推荐阅读