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 extension/file 类型并保存到磁盘？

Question

从数据库迁移中，我们在 postgreSQL 数据库中有一个数据转储。任务是在java或groovy中编写脚本，以便以正确的格式读取文件并将其保存到服务器。对于某些文件，在 'mime_type' 列中指定 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 pdf 或 png），我不知何故需要能够找出文件的类型。然后进行相应的转换。

我已经尝试了 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 部分除外。

文件以二进制数据格式保存（BYTEA，postgres相当于BLOB）。

有谁知道如何找出这些 application/octet-stream 文件最初的格式，从数据库中的二进制数据列（BYTEA 格式）中提取它们并 save/read 文件到磁盘，例如pdf、docx 还是 png？

非常感谢！

Answer 1

如果您不能依赖数据库的功能，则必须使用图书馆。 JDK的检测特征或多或少与您正在使用的操作系统，因此再次使用图书馆会提供更多稳定的结果。

这是一个使用 Apache 的例子蒂卡:

tika.detector.detect(TikaInputStream.get(row.data), new Metadata()) 会给你模仿类型。它可以直接处理数据结果集。如果你只需要检测许多 blos 上的 mimetype 和不需要实际数据，然后考虑只阅读前几个足以检测类型的数据块。

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())
}

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 extension/file 类型并保存到磁盘？

in java: How can i identify file extension/file type from file in binary data (BYTEA) with mime_type 'application/octet-stream' and save to disk?

format

groovy

identify

mime-types

bytestream