关闭

使用POI来处理Excel和Word文件格式

标签: excelmicrosoftnulldateexceptionjava
1095人阅读 评论(0) 收藏 举报
分类:
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。
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。
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。
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"
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。
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。
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。
 
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:165661次
    • 积分:1879
    • 等级:
    • 排名:千里之外
    • 原创:16篇
    • 转载:82篇
    • 译文:0篇
    • 评论:25条
    最新评论