应用POI来处理Excel和Word文件格式[转贴]

2012-12-23

使用POI来处理Excel和Word文件格式[转贴]Microsoft的Office系列产品拥有大量的用户，Word、Excel也成为办公

使用POI来处理Excel和Word文件格式[转贴]

Microsoft的Office系列产品拥有大量的用户，Word、Excel也成为办公文件的首选。在Java中，已经有很多对于Word、Excel的开源的解决方案，其中比较出色的是Apache的Jakata项目的POI子项目。该项目的官方网站是http://jakarta.apache.org/poi/。

POI包括一系列的API，它们可以操作基于MicroSoft OLE 2 Compound Document Format的各种格式文件，可以通过这些API在Java中读写Excel、Word等文件。POI是完全的Java Excel和Java Word解决方案。POI子项目包括：POIFS、HSSF、HDF、HPSF。表7-2对它们进行了简要介绍。

表7-2? POI子项目介绍

子项目名

说明

POIFS(POI File System)

POIFS是POI项目中最早的最基础的一个模块，是Java到OLE 2 Compound Document Format的接口，支持读写功能，所有的其他项目都依赖与该项目。

HSSF(Horrible Spreadsheet Format)

HSSF是Java到Microsoft Excel 97(-2002)文件的接口，支持读写功能

HWPF(Horrible Word Processing Format)

HWPF是Java到Microsoft Word 97文件的接口，支持读写功能，但目前该模块还处于刚开始开发阶段，只能实现一些简单文件的操作，在后续版本中，会提供更强大的支持

HPSF(Horrible Property Set Format)

HPSF 是Java到OLE 2 Compound Document Format文件的属性设置的接口，属性设置通常用来设置文档的属性（标题，作者，最后修改日期等），还可以设置用户定义的属性。HPSF支持读写功能，当前发布版本中直支持读功能。

7.3.1? 对Excel的处理类

下面通过HSSF提供的接口对Excel文件经行处理。首先需要下载POI的包，可以到apache的官方网站下载，地址为：http://apache.justdn.org/jakarta/poi/，本书采用的是poi-2.5.1-final-20040804.jar，读者可以下载当前的稳定版本。把下载的包按照前面介绍的方式加入Build Path，然后新建一个ch7.poi包，并创建一个ExcelReader类。

ExcelReader类可以读取一个XLS文件，然后将其内容逐行提取出来，写入文本文件。其代码如下。

代码7.6

public class ExcelReader {

?? // 创建文件输入流

?? private BufferedReader reader = null;

?? // 文件类型

?? private String filetype;

?? // 文件二进制输入流

?? 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;

?? // 设置Cell之间以空格分割

?? private static String EXCEL_LINE_DELIMITER = " ";

?? // 设置最大列数

?? private static int MAX_EXCEL_COLUMNS = 64;

?? // 构造函数创建一个ExcelReader

?? public ExcelReader(String inputfile) throws IOException, Exception {

????? // 判断参数是否为空或没有意义

????? if (inputfile == null || inputfile.trim().equals("")) {

???????? throw new IOException("no input file specified");

????? }

????? // 取得文件名的后缀名赋值给filetype

????? this.filetype = inputfile.substring(inputfile.lastIndexOf(".") + 1);

????? // 设置开始行为0

????? currPosition = 0;

????? // 设置当前位置为0

????? currSheet = 0;

????? // 创建文件输入流

????? is = new FileInputStream(inputfile);

????? // 判断文件格式

????? if (filetype.equalsIgnoreCase("txt")) {

???????? // 如果是txt则直接创建BufferedReader读取

???????? reader = new BufferedReader(new InputStreamReader(is));

????? }

else if (filetype.equalsIgnoreCase("xls")) {

???????? // 如果是Excel文件则创建HSSFWorkbook读取

???????? workbook = new HSSFWorkbook(is);

???????? // 设置Sheet数

???????? numOfSheets = workbook.getNumberOfSheets();

????? }

else {

???????? throw new Exception("File Type Not Supported");

? ????}

?? }

?? // 函数readLine读取文件的一行

?? public String readLine() throws IOException {

????? // 如果是txt文件则通过reader读取

????? if (filetype.equalsIgnoreCase("txt")) {

???????? String str = reader.readLine();

???????? // 空行则略去，直接读取下一行

???????? while (str.trim().equals("")) {

??????????? str = reader.readLine();

???????? }

???????? return str;

????? }

????? // 如果是XLS文件则通过POI提供的API读取文件

????? else if (filetype.equalsIgnoreCase("xls")) {

???????? // 根据currSheet值获得当前的sheet

???????? HSSFSheet sheet = workbook.getSheetAt(currSheet);

???????? // 判断当前行是否到但前Sheet的结尾

???????? if (currPosition > sheet.getLastRowNum()) {

??????????? // 当前行位置清零

??????????? currPosition = 0;

??????????? // 判断是否还有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件末尾

?????????????? 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++;

????????????????? // 读取当前行数据

????????????????? return getLine(sheet, row);

?????????????? }

??????????? }

??????????? return null;

???????? }

???????? // 获取当前行数

???????? int row = currPosition;

???????? currPosition++;

???????? // 读取当前行数据

???????? return getLine(sheet, row);

????? }

????? return null;

?? }

?? // 函数getLine返回Sheet的一行数据

?? private String getLine(HSSFSheet sheet, int row) {

????? // 根据行数取得Sheet的一行

????? HSSFRow rowline = sheet.getRow(row);

????? // 创建字符创缓冲区

????? 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Date类型则，取得该Cell的Date值

????????????????? Date date = cell.getDateCellValue();

????????????????? // 把Date转换成本地格式的字符串

????????????????? cellvalue = cell.getDateCellValue().toLocaleString();

?????????????? }

?????????????? // 如果是纯数字

?????????????? else {

????????????????? // 取得当前Cell的数值

????????????????? 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字符串

?????????????? cellvalue = cell.getStringCellValue().replaceAll("'", "''");

?????????????? break;

??????????? // 默认的Cell值

??????????? default:

?????????????? cellvalue = " ";

??????????? }

???????? } else {

??????????? cellvalue = "";

???????? }

???????? // 在每个字段之间插入分割符

???????? buffer.append(cellvalue).append(EXCEL_LINE_DELIMITER);

????? }

????? // 以字符串返回该行的数据

????? return buffer.toString();

?? }

?? // close函数执行流的关闭操作

?? public void close() {

????? // 如果is不为空，则关闭InputSteam文件输入流

?? ???if (is != null) {

???????? try {

??????????? is.close();

???????? } catch (IOException e) {

??????????? is = null;

???????? }

????? }

????? // 如果reader不为空则关闭BufferedReader文件输入流

????? if (reader != null) {

???????? try {

??????????? reader.close();

???? ????} catch (IOException e) {

??????????? reader = null;

???????? }

????? }

?? }

}

7.3.2? ExcelReader的运行效果

下面创建一个main函数，用来测试上面的ExcelReader类，代码如下。

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函数先创建一个ExcelReader类，然后调用它提供的接口readLine，对XLS文件进行读取，打印到控制台，处理前的XLS文件如图7-12所示。

应用POI来处理Excel和Word文件格式[转贴]

图7-12? 处理前的XLS文件内容

运行main函数进行内容提取后，Eclipse的控制台输出如图7-13所示。

应用POI来处理Excel和Word文件格式[转贴]

图7-13? 输出结果

可以看到，Excel文件中的内容已经被成功的输出了出来。

7.3.3? POI中Excel文件Cell的类型

在读取每一个Cell的值的时候，通过getCellType方法获得当前Cell的类型，在Excel中Cell有6种类型，如表7-3所示。

表7-3? Cell的类型

CellType

说明

CELL_TYPE_BLANK

空值

CELL_TYPE_BOOLEAN

布尔型

CELL_TYPE_ERROR

错误

CELL_TYPE_FORMULA

公式型

CELL_TYPE_STRING

字符串型

CELL_TYPE_NUMERIC

数值型

本例采用了CELL_TYPE_STRING和CELL_TYPE_NUMERIC类型，因为在Excel文件中只有字符串和数字。如果Cell的Type为CELL_TYPE_NUMERIC时，还需要进一步判断该Cell的数据格式，因为它有可能是Date类型，在Excel中的Date类型也是以Double类型的数字存储的。Excel中的Date表示当前时间与1900年1月1日相隔的天数，所以需要调用HSSFDateUtil的isCellDateFormatted方法，判断该Cell的数据格式是否是Excel Date类型。如果是，则调用getDateCellValue方法，返回一个Java类型的Date。

实际上Excel的数据格式有很多，还支持用户自定义的类型，在Excel中，选择一个单元格然后右键选择“设置单元格格式”，在弹出的单元格格式中选中“数字”，如图7-14所示。

应用POI来处理Excel和Word文件格式[转贴]

图7-14? Excel的单元格格式

图中的数据有数值、货币、时间、日期、文本等格式。这些数据格式在POI中的HSSFDataFormat类里都有相应的定义。

HSSFDataFormat是HSSF子项目里面定义的一个类。类HSSFDataFormat允许用户新建数据格式类型。HSSFDataFormat类包含静态方法static?java.lang.String getBuiltinFormat(short?index)，它可以根据编号返回内置数据类型。另外static?short getBuiltinFormat(java.lang.String?format)方法则可以根据数据类型返回其编号，static?java.util.List getBuiltinFormats()可以返回整个内置的数据格式列表。

在HSSFDataFormat里一共定义了49种内置的数据格式，如表7-4所示。

表7-4? HSSFDataFormat的数据格式

内置数据类型

编号

"General"

"0"

"0.00"

"#,##0"

"#,##0.00"

"($#,##0_);($#,##0)"

"($#,##0_);[Red]($#,##0)"

"($#,##0.00);($#,##0.00)"

"($#,##0.00_);[Red]($#,##0.00)"

"0%"

"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

保留为过国际化用

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为"@"（最后一行），也就是HSSFDataFormat中定义的值为0x31（49）的那行。Date类型的值的范围是0xe-0x11，本例子中的Date格式为""m/d/yy""，在HSSFDataFormat定义的值为0xe（14）。

需要注意的一点是，所创建的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，在使用POI进行解析时，可能会出现问题。它会把Date类型当作自定义类型。POI目前只提供对Microsoft Excel XP以下的版本的支持，在以后的版本中，希望会提供对Microsoft Excel 2003更好的支持。

7.3.4? 对Word的处理类

除了支持对Excel文件的读取外，POI还提供对Word的DOC格式文件的读取。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/下载，本书采用的是tm-extractors-0.4_zip。

下载后，把该包加入工程的Build Path中，然后在ch7.poi包下新建一个类WordReader，该类提供一个静态方法readDoc，读取一个DOC文件并返回文本。函数内容很简单，就是调用WordExtractor的API来提取DOC的内容到字符串，该函数的代码如下。

代码7.8

public static String readDoc(String doc) throws Exception {

??? // 创建输入流读取DOC文件

??? FileInputStream in = new FileInputStream(new File(doc));

??? WordExtractor extractor = null;

??? String text = null;

??? // 创建WordExtractor

??? extractor = new WordExtractor();

??? // 对DOC文件进行提取

??? text = extractor.extractText(in);

??? return text;

}

在同一个类里创建一个main函数，测试WordReader，该main函数代码如下。

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文件如图7-15所示。

应用POI来处理Excel和Word文件格式[转贴]

图7-15? 处理前的Word文档

使用代码处理后的文本如图7-16所示。

应用POI来处理Excel和Word文件格式[转贴]

图7-16? 处理后的结果

可以看到Word文档内的文本已经全部被提取了出来。

热点排行

编程

应用POI来处理Excel和Word文件格式[转贴]