Apache Tika : Dosya tipi nasıl tespit edilir?

Bugün sizlere bir Apache projesi olan Tika‘ dan bahsetmek istiyorum.  Apache Tika, dosya sisteminde veya bellek ortamında bulunan verilerin/dosyaların içerik tipini elde etmeyi amaçlayan bir Apache vakfı projesidir.

Tika, dosya sistemi veya anabellekte bulunan verilerin veri tiplerini elde etmeye yararken, aynı zamanda bu veri ve dosya tiplerine dair çeşitli metadata verilerini de sunmaktadır.

Tika’ yı uygulamalarınızda kullanmak için aşağıdaki Maven dependeny tanımlamalarını kullanabileceğiniz gibi, komut sistemi üzerinden de bu işlemleri gerçekleştirebilirsiniz.

<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-core</artifactId>
<version>1.4</version>
</dependency>

<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-parsers</artifactId>
<version>1.4</version>
</dependency>

Örnek uygulama

Tika ile bir dosya veya veri kümesinden tip tespit edebilmek için Tika isimli sınıf kullanılabilmektedir. Tika sınıfının aşırı yüklenmiş detect metodu, içerik tipini tespit etmektedir.

Tika#detect metodu, File, byte[], InputStream, URL, String nesneleriyle tanımlı veri kaynaklarını tipini tespit edebilmektedir.

Uygulama

public class App {

public static void main(String[] args) throws Exception {

String root = "./src/main/resources";

Tika tika = new Tika();

/// File nesnesinden tipi tespit eder.

File file = new File(root + "/javaee7.jpg");

String tip = tika.detect(file);

System.out.println("Jpg İçeriği : " + tip);

/// InputStream nesnesinden tipi tespit eder.

FileInputStream is = new FileInputStream(root + "/index.php");

System.out.println("Php içeriği : " + tika.detect(is));

/// byte[] dizi nesnesi üzerinden tipi tespit eder.

try (FileChannel kanal =
			 FileChannel.open(Paths.get(root + "/tika.png"), READ)) {

ByteBuffer tampon = ByteBuffer.allocate((int) kanal.size());

kanal.read(tampon);

System.out.println("Png içeriği : " + tika.detect(tampon.array()));

}

/// PDFParser nesnesi üzerinden Metadata bilgilerini elde eder.

Metadata metadata = new Metadata();
ContentHandler handler = new DefaultHandler();
Parser parser = new PDFParser();
ParseContext context = new ParseContext();

parser.parse(new FileInputStream(root + "/mypdf.pdf"),
										 handler,
										 metadata,
										 context);

String[] names = metadata.names();

for (String name : names)
	System.out.printf("%s : %s %n", name, metadata.get(name));

}
}

Uygulama çıktısı

Jpg İçeriği : image/jpeg
Php içeriği : text/x-php
Png içeriği : image/png

dcterms:modified : 2013-12-17T17:55:09Z 
meta:creation-date : 2013-12-17T17:54:44Z 
meta:save-date : 2013-12-17T17:55:09Z 
dc:creator : usta 
Last-Modified : 2013-12-17T17:55:09Z 
Author : usta 
dcterms:created : 2013-12-17T17:54:44Z 
SourceModified : D:20131217175423 
date : 2013-12-17T17:55:09Z 
modified : 2013-12-17T17:55:09Z 
creator : usta 
xmpTPg:NPages : 1 
Creation-Date : 2013-12-17T17:54:44Z 
meta:author : usta 
created : Tue Dec 17 19:54:44 EET 2013 
producer : Adobe PDF Library 10.0 
Company : 
Content-Type : application/pdf 
xmp:CreatorTool : Acrobat PDFMaker 10.0 for Word 
Last-Save-Date : 2013-12-17T17:55:09Z

Apache Tika’ nın tanıyabileceği tipleri bu bağlantıdan erişebilirsiniz.

Örnek uygulamaya ise bu bağlantıdan erişebilirsiniz.

Tekrar görüşmek dileğiyle.