7.3 使用POI来处理Excel和W(xu)ord文g格式
Microsoft的Officepd产品拥有大量的用PW(xu)ord、Excel也成为办公文件的首选。在Java中，已经有很多对于Word、Excel的开源的解决Ҏ(gu)Q其中比较出色的是Apache的Jakata目的POI子项目。该目的官方网站是http://jakarta.apache.org/poi/?/p>
POI包括一pd的APIQ它们可以操作基于MicroSoft OLE 2 Compound Document Format的各U格式文Ӟ可以通过q些API在Java中读写Excel、Word{文件。POI是完全的Java Excel和Java Word解决Ҏ(gu)。POI子项目包括：(x)POIFS、HSSF、HDF、HPSF。表7-2对它们进行了(jin)要介l?/p>
?-2 POI子项目介l?
|
子项目名
|
说明
|
|
POIFS(POI File System)
|
POIFS是POI目中最早的最基础的一个模块，是Java到OLE 2 Compound Document Format的接口，支持d功能Q所有的其他目都依赖与该项目?/p>
|
|
HSSF(Horrible Spreadsheet Format)
|
HSSF是Java到Microsoft Excel 97(-2002)文g的接口，支持d功能
|
|
HWPF(Horrible Word Processing Format)
|
HWPF是Java到Microsoft Word 97文g的接口，支持d功能Q但目前该模块还处于刚开始开发阶D，只能实现一些简单文件的操作Q在后箋版本中，?x)提供更强大的支?/p>
|
|
HPSF(Horrible Property Set Format)
|
HPSF 是Java到OLE 2 Compound Document Format文g的属性设|的接口Q属性设|通常用来讄文档的属性（标题Q作者，最后修Ҏ(gu)期等Q，q可以设|用户定义的属性。HPSF支持d功能Q当前发布版本中直支持读功能?/p>
|
7.3.1 对Excel的处理类
下面通过HSSF提供的接口对Excel文gl行处理。首先需要下载POI的包Q可以到apache的官方网站下载，地址为：(x)http://apache.justdn.org/jakarta/poi/Q本书采用的是poi-2.5.1-final-20040804.jarQ读者可以下载当前的E_版本。把下蝲的包按照前面介绍的方式加入Build PathQ然后新Z个ch7.poi包，q创Z个ExcelReadercR?/p>
ExcelReadercd以读取一个XLS文gQ然后将其内定w行提取出来Q写入文本文件。其代码如下?/p>
代码7.6
public class ExcelReader {
// 创徏文g输入?/p>
private BufferedReader reader = null;
// 文gcd
private String filetype;
// 文g二进制输入流
private InputStream is = null;
// 当前的Sheet
private int currSheet;
// 当前位置
private int currPosition;
// Sheet数量
private int numOfSheets;
// HSSFWorkbook
HSSFWorkbook workbook = null;
// 讄Cell之间以空格分?/p>
private static String EXCEL_LINE_DELIMITER = " ";
// 讄最大列?/p>
private static int MAX_EXCEL_COLUMNS = 64;
// 构造函数创Z个ExcelReader
public ExcelReader(String inputfile) throws IOException, Exception {
// 判断参数是否为空或没有意?/p>
if (inputfile == null || inputfile.trim().equals("")) {
throw new IOException("no input file specified");
}
// 取得文g名的后缀名赋值给filetype
this.filetype = inputfile.substring(inputfile.lastIndexOf(".") + 1);
// 讄开始行?
currPosition = 0;
// 讄当前位置?
currSheet = 0;
// 创徏文g输入?/p>
is = new FileInputStream(inputfile);
// 判断文g格式
if (filetype.equalsIgnoreCase("txt")) {
// 如果是txt则直接创建BufferedReaderd
reader = new BufferedReader(new InputStreamReader(is));
}
else if (filetype.equalsIgnoreCase("xls")) {
// 如果是Excel文g则创建HSSFWorkbookd
workbook = new HSSFWorkbook(is);
// 讄Sheet?/p>
numOfSheets = workbook.getNumberOfSheets();
}
else {
throw new Exception("File Type Not Supported");
}
}
// 函数readLined文g的一?/p>
public String readLine() throws IOException {
// 如果是txt文g则通过readerd
if (filetype.equalsIgnoreCase("txt")) {
String str = reader.readLine();
// I则略去，直接d下一?/p>
while (str.trim().equals("")) {
str = reader.readLine();
}
return str;
}
// 如果是XLS文g则通过POI提供的APId文g
else if (filetype.equalsIgnoreCase("xls")) {
// Ҏ(gu)currSheetD得当前的sheet
HSSFSheet sheet = workbook.getSheetAt(currSheet);
// 判断当前行是否到但前Sheet的结?/p>
if (currPosition > sheet.getLastRowNum()) {
// 当前行位|清?/p>
currPosition = 0;
// 判断是否q有Sheet
while (currSheet != numOfSheets - 1) {
// 得到下一张Sheet
sheet = workbook.getSheetAt(currSheet + 1);
// 当前行数是否已经到达文g末尾
if (currPosition == sheet.getLastRowNum()) {
// 当前Sheet指向下一张Sheet
currSheet++;
continue;
} else {
// 获取当前行数
int row = currPosition;
currPosition++;
// d当前行数?/p>
return getLine(sheet, row);
}
}
return null;
}
// 获取当前行数
int row = currPosition;
currPosition++;
// d当前行数?/p>
return getLine(sheet, row);
}
return null;
}
// 函数getLineq回Sheet的一行数?/p>
private String getLine(HSSFSheet sheet, int row) {
// Ҏ(gu)行数取得Sheet的一?/p>
HSSFRow rowline = sheet.getRow(row);
// 创徏字符创缓冲区
StringBuffer buffer = new StringBuffer();
// 获取当前行的列数
int filledColumns = rowline.getLastCellNum();
HSSFCell cell = null;
// 循环遍历所有列
for (int i = 0; i < filledColumns; i++) {
// 取得当前Cell
cell = rowline.getCell((short) i);
String cellvalue = null;
if (cell != null) {
// 判断当前Cell的Type
switch (cell.getCellType()) {
// 如果当前Cell的Type为NUMERIC
case HSSFCell.CELL_TYPE_NUMERIC: {
// 判断当前的cell是否为Date
if (HSSFDateUtil.isCellDateFormatted(cell)) {
// 如果是Datecd则，取得该Cell的Date?/p>
Date date = cell.getDateCellValue();
// 把Date转换成本地格式的字符?/p>
cellvalue = cell.getDateCellValue().toLocaleString();
}
// 如果是纯数字
else {
// 取得当前Cell的数?/p>
Integer num = new Integer((int) cell
.getNumericCellValue());
cellvalue = String.valueOf(num);
}
break;
}
// 如果当前Cell的Type为STRIN
case HSSFCell.CELL_TYPE_STRING:
// 取得当前的Cell字符?/p>
cellvalue = cell.getStringCellValue().replaceAll("'", "''");
break;
// 默认的Cell?/p>
default:
cellvalue = " ";
}
} else {
cellvalue = "";
}
// 在每个字D之间插入分割符
buffer.append(cellvalue).append(EXCEL_LINE_DELIMITER);
}
// 以字W串q回该行的数?/p>
return buffer.toString();
}
// close函数执行的关闭操作
public void close() {
// 如果is不ؓ(f)I，则关闭InputSteam文g输入?/p>
if (is != null) {
try {
is.close();
} catch (IOException e) {
is = null;
}
}
// 如果reader不ؓ(f)I则关闭BufferedReader文g输入?/p>
if (reader != null) {
try {
reader.close();
} catch (IOException e) {
reader = null;
}
}
}
}
7.3.2 ExcelReader的运行效?/p>
下面创徏一个main函数Q用来测试上面的ExcelReaderc，代码如下?/p>
代码7.7
public static void main(String[] args) {
try{
ExcelReader er=new ExcelReader("c:\\xp.xls");
String line=er.readLine();
while(line != null){
System.out.println(line);
line=er.readLine();
}
er.close();
}catch(Exception e){
e.printStackTrace();
}
}
main函数先创Z个ExcelReaderc，然后调用它提供的接口readLineQ对XLS文gq行dQ打印到控制収ͼ处理前的XLS文g如图7-12所C?/p>
?-12 处理前的XLS文g内容
q行main函数q行内容提取后，Eclipse的控制台输出如图7-13所C?/p>
?-13 输出l果
可以看到QExcel文g中的内容已经被成功的输出?jin)出来?/p>
7.3.3 POI中Excel文gCell的类?/p>
在读取每一个Cell的值的时候，通过getCellTypeҎ(gu)获得当前Cell的类型，在Excel中Cell?U类型，如表7-3所C?/p>
?-3 Cell的类?
|
CellType
|
说明
|
|
CELL_TYPE_BLANK
|
I?/p>
|
|
CELL_TYPE_BOOLEAN
|
布尔?/p>
|
|
CELL_TYPE_ERROR
|
错误
|
|
CELL_TYPE_FORMULA
|
公式?/p>
|
|
CELL_TYPE_STRING
|
字符串型
|
|
CELL_TYPE_NUMERIC
|
数值型
|
本例采用?jin)CELL_TYPE_STRING和CELL_TYPE_NUMERICcdQ因为在Excel文g中只有字W串和数字。如果Cell的Type为CELL_TYPE_NUMERICӞq需要进一步判断该Cell的数据格式，因ؓ(f)它有可能是DatecdQ在Excel中的Datecd也是以Doublecd的数字存储的。Excel中的Date表示当前旉?900q??日相隔的天数Q所以需要调用HSSFDateUtil的isCellDateFormattedҎ(gu)Q判断该Cell的数据格式是否是Excel Datecd。如果是Q则调用getDateCellValueҎ(gu)Q返回一个Javacd的Date?/p>
实际上Excel的数据格式有很多Q还支持用户自定义的cdQ在Excel中，选择一个单元格然后右键选择“讄单元格格?#8221;Q在弹出的单元格格式中选中“数字”Q如?-14所C?/p>
?-14 Excel的单元格格式
图中的数据有数倹{货币、时间、日期、文本等格式。这些数据格式在POI中的HSSFDataFormatc里都有相应的定义?/p>
HSSFDataFormat是HSSF子项目里面定义的一个类。类HSSFDataFormat允许用户新徏数据格式cd。HSSFDataFormatcd含静(rn)态方法static java.lang.String getBuiltinFormat(short index)Q它可以Ҏ(gu)~号q回内置数据cd。另外static short getBuiltinFormat(java.lang.String format)Ҏ(gu)则可以根据数据类型返回其~号Qstatic java.util.List getBuiltinFormats()可以q回整个内置的数据格式列表?/p>
在HSSFDataFormat里一共定义了(jin)49U内|的数据格式Q如?-4所C?/p>
?-4 HSSFDataFormat的数据格?/p>
|
内置数据cd
|
~号
|
|
"General"
|
0
|
|
"0"
|
1
|
|
"0.00"
|
2
|
|
"#,##0"
|
3
|
|
"#,##0.00"
|
4
|
|
"($#,##0_);($#,##0)"
|
5
|
|
"($#,##0_);[Red]($#,##0)"
|
6
|
|
"($#,##0.00);($#,##0.00)"
|
7
|
|
"($#,##0.00_);[Red]($#,##0.00)"
|
8
|
|
"0%"
|
9
|
|
"0.00%"
|
0xa
|
|
"0.00E+00"
|
0xb
|
|
"# ?/?"
|
0xc
|
|
"# ??/??"
|
0xd
|
|
"m/d/yy"
|
0xe
|
|
"d-mmm-yy"
|
0xf
|
|
"d-mmm"
|
0x10
|
|
"mmm-yy"
|
0x11
|
|
"h:mm AM/PM"
|
0x12
|
|
"h:mm:ss AM/PM"
|
0x13
|
|
"h:mm"
|
0x14
|
|
"h:mm:ss"
|
0x15
|
|
"m/d/yy h:mm"
|
0x16
|
|
保留国际化用
|
0x17 - 0x24
|
|
"(#,##0_);(#,##0)"
|
0x25
|
|
"(#,##0_);[Red](#,##0)"
|
0x26
|
|
"(#,##0.00_);(#,##0.00)"
|
0x27
|
|
"(#,##0.00_);[Red](#,##0.00)"
|
0x28
|
|
"_($*#,##0_);_($*(#,##0);_($* \"-\"_);_(@_)"
|
0x29
|
|
"_(*#,##0.00_);_(*(#,##0.00);_(*\"-\"??_);_(@_)"
|
0x2a
|
|
"_($*#,##0.00_);_($*(#,##0.00);_($*\"-\"??_);_(@_)"
|
0x2b
|
|
"_($*#,##0.00_);_($*(#,##0.00);_($*\"-\"??_);_(@_)"
|
0x2c
|
|
"mm:ss"
|
0x2d
|
|
"[h]:mm:ss"
|
0x2e
|
|
"mm:ss.0"
|
0x2f
|
|
"##0.0E+0"
|
0x30
|
|
"@" - This is text format
|
0x31
|
在上面表中，字符串类型所对应的是数据格式?@"Q最后一行）(j)Q也是HSSFDataFormat中定义的gؓ(f)0x31Q?9Q的那行。Datecd的值的范围?xe-0x11Q本例子中的Date格式?"m/d/yy""Q在HSSFDataFormat定义的gؓ(f)0xeQ?4Q?/p>
需要注意的一Ҏ(gu)Q所创徏的Excel必须是在Microsoft Excel 97到Excel XP的版本上的，如果在Excel 2003中创建文件后Q在使用POIq行解析Ӟ可能?x)出现问题。它?x)把Datecd当作自定义类型。POI目前只提供对Microsoft Excel XP以下的版本的支持Q在以后的版本中Q希望会(x)提供对Microsoft Excel 2003更好的支持?/p>
7.3.4 对Word的处理类
除了(jin)支持对Excel文g的读取外QPOIq提供对Word的DOC格式文g的读取。但在它的发行版本中没有发布对Word支持的模块，需要另外下载一个POI的扩展的Jar包。用户可以到http://www.ibiblio.org/maven2/org/textmining/tm-extractors/0.4/下蝲Q本书采用的是tm-extractors-0.4_zip?/p>
下蝲后，把该包加入工E的Build Path中，然后在ch7.poi包下新徏一个类WordReaderQ该cL供一个静(rn)态方法r(sh)eadDocQ读取一个DOC文gq返回文本。函数内容很单，是调用WordExtractor的API来提取DOC的内容到字符Ԍ该函数的代码如下?/p>
代码7.8
public static String readDoc(String doc) throws Exception {
// 创徏输入读取DOC文g
FileInputStream in = new FileInputStream(new File(doc));
WordExtractor extractor = null;
String text = null;
// 创徏WordExtractor
extractor = new WordExtractor();
// 对DOC文gq行提取
text = extractor.extractText(in);
return text;
}
在同一个类里创Z个main函数Q测试WordReaderQ该main函数代码如下?/p>
代码7.9
public static void main(String[] args) {
try{
String text = WordReader.readDoc("c:/test.doc");
System.out.println(text);
}catch(Exception e){
e.printStackTrace();
}
}
处理前的Doc文g如图7-15所C?/p>
?-15 处理前的Word文档
使用代码处理后的文本如图7-16所C?/p>
?-16 处理后的l果
可以看到Word文档内的文本已经全部被提取了(jin)出来?/p>
]]>
}
}