使用POI来处理Excel和Word文件格式（POI的介绍）

 

使用POI来处理Excel和Word文件格式（POI的介绍）

 

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。

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。

代码7.6 public class ExcelReader {      private BufferedReader reader = null; // 创建文件输入流    private String filetype; // 文件类型    private InputStream is = null; // 文件二进制输入流    private int currSheet; // 当前的Sheet    private int currPosition;    // 当前位置    private int numOfSheets; // Sheet数量      HSSFWorkbook workbook = null;   // HSSFWorkbook     private static String EXCEL_LINE_DELIMITER = " ";// 设置Cell之间以空格分割    private static int MAX_EXCEL_COLUMNS = 64; // 设置最大列数    public ExcelReader(String inputfile) throws IOException, Exception { // 构造函数创建一个ExcelReader       if (inputfile == null || inputfile.trim().equals("")) { // 判断参数是否为空或没有意义          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);       currPosition = 0; // 设置开始行为0       currSheet = 0; // 设置当前位置为0       is = new FileInputStream(inputfile); // 创建文件输入流       if (filetype.equalsIgnoreCase("txt")) {// 判断文件格式，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);          numOfSheets = workbook.getNumberOfSheets();// 设置Sheet数       } else {          throw new Exception("File Type Not Supported");       }    }       public String readLine() throws IOException {// 函数readLine读取文件的一行       if (filetype.equalsIgnoreCase("txt")) { // 如果是txt文件则通过reader读取          String str = reader.readLine();          while (str.trim().equals("")) {// 空行则略去，直接读取下一行             str = reader.readLine();          }          return str;       }            else if (filetype.equalsIgnoreCase("xls")) { // 如果是XLS文件则通过POI提供的API读取文件          HSSFSheet sheet = workbook.getSheetAt(currSheet); // 根据currSheet值获得当前的sheet          if (currPosition > sheet.getLastRowNum()) { // 判断当前行是否到当前Sheet的结尾             currPosition = 0; // 当前行位置清零             while (currSheet != numOfSheets - 1) {// 判断是否还有Sheet                sheet = workbook.getSheetAt(currSheet + 1); // 得到下一张Sheet                if (currPosition == sheet.getLastRowNum()) { // 当前行数是否已经到达文件末尾                   currSheet++;// 当前Sheet指向下一张Sheet                   continue;                } else {                     int row = currPosition; // 获取当前行数                   currPosition++;                       return getLine(sheet, row); // 读取当前行数据                }             }             return null;          }           int row = currPosition; // 获取当前行数          currPosition++;          return getLine(sheet, row); // 读取当前行数据       }       return null;    }       private String getLine(HSSFSheet sheet, int row) { // 函数getLine返回Sheet的一行数据             HSSFRow rowline = sheet.getRow(row); // 根据行数取得Sheet的一行        StringBuffer buffer = new StringBuffer();// 创建字符创缓冲区       int filledColumns = rowline.getLastCellNum();// 获取当前行的列数       HSSFCell cell = null;       for (int i = 0; i < filledColumns; i++) {// 循环遍历所有列          cell = rowline.getCell((short) i); // 取得当前Cell          String cellvalue = null;          if (cell != null) {             switch (cell.getCellType()) {// 判断当前Cell的Type             case HSSFCell.CELL_TYPE_NUMERIC: {// 如果当前Cell的Type为NUMERIC                if (HSSFDateUtil.isCellDateFormatted(cell)) {// 判断当前的cell是否为Date                   Date date = cell.getDateCellValue();// 如果是Date类型则，取得该Cell的Date值                   cellvalue = cell.getDateCellValue().toLocaleString();// 把Date转换成本地格式的字符串                }                else { // 如果是纯数字                   Integer num = new Integer((int) cell  // 取得当前Cell的数值                         .getNumericCellValue());                   cellvalue = String.valueOf(num);                }                break;             }             case HSSFCell.CELL_TYPE_STRING: // 如果当前Cell的Type为STRIN                cellvalue = cell.getStringCellValue().replaceAll("'", "''"); // 取得当前的Cell字符串                break;             default: // 默认的Cell值                cellvalue = " ";             }          } else {             cellvalue = "";          }          buffer.append(cellvalue).append(EXCEL_LINE_DELIMITER); // 在每个字段之间插入分割符       }       return buffer.toString();// 以字符串返回该行的数据    }    public void close() {// close函数执行流的关闭操作       if (is != null) {// 如果is不为空，则关闭InputSteam文件输入流          try {             is.close();          } catch (IOException e) {             is = null;          }       }       if (reader != null) {// 如果reader不为空则关闭BufferedReader文件输入流          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();         }     }

 

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:

 

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

注意：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。

Excel的单元格格式

    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。
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

需要注意:

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）。
  还有一点就是，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。

 

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。

 

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();
        }
    }