我使用 Tika 已经有一段时间了，我知道应该只使用 Tika 外观和代表org/apache/tika/mime/tika-mimetypes.xml文件的默认或自定义 TikaConfig。
我的应用程序不允许任何不同于html,doc,docx,odt,txt,rtf,srt,sub,pdf,odf,odp,xls,ppt,msg
并且默认的 MediaTypes 包括大量其他类型。
我们是否应该修改 tika-mimetypes.xml 以便删除我们不需要的 MimeTypes ？然后据我了解，它将仅为这些 MimeType 创建复合解析器和检测器。
但是当它提供不支持的类型时会发生什么？我应该只捕获 TikaException 或一些 SAXException 并拒绝该文件吗？
另外应该如何手动编辑 tika-mimetypes.xml ？它有 1290 个 MimeTypes，其中大部分是荒谬的第三方 MimeTypes。他们为什么在那里？
如果您只想接受某些类型，那么您仍然需要完整的 mimetypes 集。否则，您怎么能检测到某人刚刚给您的文件实际上是 MP3，而不是您认可的格式之一？所以，保持完整的 mimtypes 设置用于检测
一旦你完成了检测步骤，并且你已经确定它是一个有效的 mimetype，你可以将文件传递给AutoDetectParser并完成它。毕竟，你会检查检测器返回的 mimetype，如果它不是你喜欢的类型，你就已经退出了。
但是，如果您想要额外检查，有两种方法可以做到。一种是有一个自定义org.apache.tika.parser.Parser文件，它只列出您想要使用的格式的解析器。AutoDetectParser这是用于决定哪些解析器可供MP3Parser.
另一种方法是明确列出您希望支持的解析器。然后，与其使用自动检测解析器，不如简单地遍历所有这些解析器，直到找到一个能够处理文件的解析器，然后直接调用它的解析方法。这将为您提供最大的控制力，但可能需要做更多的工作。