蒂卡(Tika)在检测到哑剧型后无法解析

Question

我早先通过调用 tika.parseToString()的情况下成功地解析了各种文件，而无需设置任何自定义配置或元数据。现在，我需要根据Mime-Type过滤文件以解析。

我可以找到带有tika.detect(new BufferedInputStream(inputStream), new Metadata());的MIME型，但是当调用tika.parseToString()之后，Tika使用emptyParser，并且检测到的内容类型为"应用程序/八位钟"。这是默认的，这意味着Tika找不到它是哪种类型的文件。在尝试解析文件之前，我已经尝试在元数据中设置内容类型，但这导致了org.apache.tika.exception.TikaException: TIKA-198: Illegal IOException。从我阅读的内容中，这意味着文件是畸形的，但是相同的文件在没有事先检查MIME类型的情况下成功解析。

detchect（）是否对输入流进行操作，使解析器无法解析文件？

我正在使用相同的tika-Instance检查哑剧类型和解析，版本1.13

Answer 1

我的问题是由直接传递给解析方法的InputStream引起的。detect（）标记并重置流传递的流，输入流不支持。将InputStream包装到TikainputStream（TikaInputStream stream = TikaInputStream.get(new BufferedInputStream(inputStream));）解决了问题。