如何获取 .MSG 文件的 MIME 类型？

Question

我试过这些方法来查找文件的 MIME 类型...

Path source = Paths
                .get("C://Users/akash/Desktop/FW Internal release of MSTClient-Server5.02.04_24.msg");
        System.out.println(Files.probeContentType(source));

以上代码returnsnull...
如果我使用 Apache 的 TIKA API 来获取 MIME 类型，那么它会给出 text/plain...

但我想要的结果是 application/vnd.ms-outlook

更新

我还使用了 MIME-Util.jar 如下代码...

MimeUtil2 mimeUtil = new MimeUtil2();
        mimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.MagicMimeMimeDetector");
        RandomAccessFile file1 = new RandomAccessFile(
                "C://Users/akash/Desktop/FW Internal release of MSTClient-Server5.02.04_24.msg",
                "r");
        System.out.println(file1.length());
        byte[] file = new byte[624128];
        file1.read(file, 0, 624128);
        String mimeType = MimeUtil2.getMostSpecificMimeType(mimeUtil.getMimeTypes(file)).toString();

这给我输出 application/msword

更新:

Tika API 超出范围，因为它太大而无法包含在项目中...

那么如何找到 MIME 类型呢？

Answer 1

我尝试了一些可能的方法并使用 tika 给出了你期望的结果，我没有看到你使用的代码所以我无法仔细检查它。

我尝试了不同的方式，并不是全部在代码片段中：

Java 7 Files.probeContentType(path)
URLConnection 根据文件名和内容类型猜测的 mime 检测
JDK 6 JAF API javax.activation.MimetypesFileTypeMap
MimeUtil 以及 MimeDetector 的所有可用子class 我找到了
阿帕奇蒂卡
Apache POI 暂存器

这里是测试class:

import java.io.BufferedInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.net.URLConnection;
import java.util.Collection;

import javax.activation.MimetypesFileTypeMap;

import org.apache.tika.detect.Detector;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.mime.MediaType;
import org.apache.tika.parser.AutoDetectParser;

import eu.medsea.mimeutil.MimeUtil;

public class FindMime {

    public static void main(String[] args) {
        File file = new File("C:\Users\qwerty\Desktop\test.msg");

        System.out.println("urlConnectionGuess " + urlConnectionGuess(file));

        System.out.println("fileContentGuess " + fileContentGuess(file));

        MimetypesFileTypeMap mimeTypesMap = new MimetypesFileTypeMap();

        System.out.println("mimeTypesMap.getContentType " + mimeTypesMap.getContentType(file));

        System.out.println("mimeutils " + mimeutils(file));

        System.out.println("tika " + tika(file));

    }

    private static String mimeutils(File file) {
        try {
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.MagicMimeMimeDetector");
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.ExtensionMimeDetector");
//          MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.OpendesktopMimeDetector");
            MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.WindowsRegistryMimeDetector");
//          MimeUtil.registerMimeDetector("eu.medsea.mimeutil.detector.TextMimeDetector");
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            Collection<?> mimeTypes = MimeUtil.getMimeTypes(is);
            return mimeTypes.toString();
        } catch (Exception e) {
            // TODO: handle exception
        }
        return null;
    }

    private static String tika(File file) {
        try {
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            AutoDetectParser parser = new AutoDetectParser();
            Detector detector = parser.getDetector();
            Metadata md = new Metadata();
            md.add(Metadata.RESOURCE_NAME_KEY, "test.msg");
            MediaType mediaType = detector.detect(is, md);
            return mediaType.toString();
        } catch (Exception e) {
            // TODO: handle exception
        }
        return null;
    }

    private static String urlConnectionGuess(File file) {
        String mimeType = URLConnection.guessContentTypeFromName(file.getName());
        return mimeType;
    }

    private static String fileContentGuess(File file) {
        try {
            InputStream is = new BufferedInputStream(new FileInputStream(file));
            return URLConnection.guessContentTypeFromStream(is);
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

}

这是输出：

urlConnectionGuess null
fileContentGuess null
mimeTypesMap.getContentType application/octet-stream
mimeutils application/msword,application/x-hwp
tika application/vnd.ms-outlook

已更新 我添加了这个方法来测试 Tika 的其他方法：

private static void tikaMore(File file) {
    Tika defaultTika = new Tika();
    Tika mimeTika = new Tika(new MimeTypes());
    Tika typeTika = new Tika(new TypeDetector());
    try {
        System.out.println(defaultTika.detect(file));
        System.out.println(mimeTika.detect(file));
        System.out.println(typeTika.detect(file));
    } catch (Exception e) {
        // TODO: handle exception
    }
}

使用不带扩展名的 msg 文件进行测试：

application/vnd.ms-outlook
application/octet-stream
application/octet-stream

使用重命名为 msg 的 txt 文件进行测试：

text/plain
text/plain
application/octet-stream

在这种情况下，似乎使用空构造函数的最简单方法是最可靠的。

Update 您可以使用 Apache POI 暂存器制作您自己的检查器，例如，这是一个简单的实现来获取消息的 mime，如果文件不在正确的格式（通常是 org.apache.poi.poifs.filesystem.NotOLE2FileException: Invalid header signature）：

import org.apache.poi.hsmf.MAPIMessage;

public class PoiMsgMime {

    public String getMessageMime(String fileName) {
        try {
            new MAPIMessage(fileName);
            return "application/vnd.ms-outlook";
        } catch (Exception e) {
            return null;
        }
    }
}

Answer 2

您可以尝试将文件转换为byte[]，然后使用MimeMagic (Maven location here) 来处理它。类似的东西：

byte[] data = FileUtils.toByteArray("file.msg");
MagicMatch match = Magic.getMagicMatch(data);
String mimeType = match.getMimeType();

我不确定这是否会 100% 有效，但尝试不会死:)

Answer 3

从@Duffydake 的评论中得到启发，我尝试阅读神奇的数字。同意 MS 文件 header 的前 8 个字节保持不变 D0 CF 11 E0 A1 B1 1A E1（有趣的是看到前四个字节看起来像 eDoCFilE）但是你可以检查这个 link 如何理解完整header 并找到文件类型。（例如，在 link 中找到一个 excel 文件，但您可以使用类似的字节读取来查找 msg 文件类型）

如果你可以假设没有人会玩游戏并将.doc 或.xls 文件存储为.msg 文件，那么你可以只读取header 的前8 个字节并将其组合带有文件扩展名，例如 if(fileExtension.equals(".msg")&&hexHeaderString.equals('D0 CF 11 E0 A1 B1 1A E1'){mimeType=="application/vnd.ms-outlook"}

Answer 4

我必须找到另一个解决方法。我发现 MS 文档（doc、docx、xls、xlsx、msg）是具有不同扩展名的压缩文件。我没有测试每个 MS 文件类型，因为它不在当前范围内

只需展开文件然后：

Docx : 打开 [Content_Types].xml 并检查它是否包含 "wordprocessingml"

XlsX : 打开 [Content_Types].xml 并检查它是否包含 "spreadsheetml"

doc : 检查文件 "WordDocument"

xls : 检查文件 "Workbook"

msg：检查文件“__properties_version1.0”

我仍在测试 msg 是否有更好用的东西，但是这个文件存在于已发送和未发送的消息中，所以我假设它可以安全使用。

如何获取 .MSG 文件的 MIME 类型？

How to get the MIME Type of a .MSG file?

java

mime-types

msg