吴声子夜歌的博客

【代码】Easy Excel——填充Excel。

ReadWorkbook 可以理解成一个excelReadSheet 理解成一个excel里面的一个表单。

Data/*** 所有的 字符串起前面加上"自定义："三个字*/@ExcelProperty(value = "字符串标题", converter = CustomStringStringConverter.class)/*** 我想写到excel 用年月日的格式*/@DateTimeFormat("yyyy年MM月dd日HH时mm分ss秒")@ExcelProperty("日期标题")/*** 我想写到excel 用百分比表示*/

目录Easy Excel 读取1、读取单个sheet1.1、方式一1.2、方式二1.3、方式三1.4、方式四2、读多个sheet2.1、方式一2.2、方式二3、指定列的下标或列名4、日期、数字或者自定义格式转换5、多行头6、同步的返回6.1、方式一6.2、方式二7、读表头数据8、额外信息（批注、超链接、合并单元格信息读取9、读取公式和单元格类型10、异常处理11、不创建对象的读Easy Excel 读取1、读取单个sheet1.1、方式一@Datapublic class DemoData {

WebMagic 是一个非常优秀的 Java 开源网络爬虫框架，其功能覆盖了网络爬虫的 整个生命周期，包括 URL 提取、网页内容下载、网页内容解析和数据存储。WebMagic 项目的源码可以在 GitHub 上进行下载。WebMagic 具有很好的灵活性和可扩展性，支持多线程数据采集和 URL 去重等。在实际应用中，用户可以通过定制 Pipeline 的方式实现其他数据存储需求，如将 数据存储到文本文件、Excel 中等。下面示例为定制的 Pipeline，其作用是将所采集的数据存储 到一个文件中。

这里我们使用的是正则表达式来规定URL范围。可能细心的朋友，会知道.是正则表达式的保留字符，那么这里是不是写错了呢？其实是这里为了方便，WebMagic自己定制的适合URL的正则表达式，主要由两点改动：将URL中常用的字符.默认做了转义，变成了.将"“替换成了”."，直接使用可表示通配符。例如，https://github.com/*在这里是一个合法的表达式，它表示https://github.com/下的所有URL。

Downloader、PageProcessor、Scheduler、Pipeline都是Spider的一个属性，这些属性是可以自由设置的，通过设置这个属性可以实现不同的功能。核心部分(webmagic-core)是一个精简的、模块化的爬虫实现，而扩展部分则包括一些便利的、实用性的功能。第一部分关于爬虫的配置，包括编码、抓取间隔、超时时间、重试次数等，也包括一些模拟的参数，例如User Agent、cookie，以及代理的设置，我们会在第4部分-“爬虫的配置”里进行介绍。爬虫的监控是0.5.0新增的功能。

Selenium 最初是由 Shinya Kasatani 基于火狐(Firefox)浏览器开发的工具，其主 要用于网站的自动化测试。读者可以在火狐浏览器中安装 Selenium IDE 插件，并使用 该插件录制在浏览器中的执行动作(如表单提交、单击和鼠标的移动等)。在本章中， 我们将重点介绍 Selenium WebDriver 的使用。Selenium WebDriver 主要应用于程序 (Java、Python 和 C#等)与浏览器的交互，其可以用来实现数据的采集。

要在 Word 文档中创建表格，我们可以使用位于 org.apache.poi.xwpf.usermodel.XWPFTable 包中的XWPFTable类。为了设置文本的样式、字体、对齐方式等，Apache POI 提供了setItalic()、setBold() 等方法。此方法返回文档所有段落的列表，该列表可以存储在列表变量中并通过迭代循环获取。为了将文本向右、向左和居中对齐，Apache POI 提供了 setAlignment() 方法，该方法采用对齐常量（例如 CENTER）。

PropertyTemplate对象模拟了这种用方法和定义为允许绘图的顶部，底部常量，左，右，水平，垂直，里面，单元格外边界。为了将数据重写到现有的 Excel 文档中，Apache POI 提供了各种方法 getRow()、getCell()、getSheet() 等。为了处理 Excel (.xls) 文档，Apache POI 提供了完整的 API，其中包含可用于创建 excel、读取和写入数据的类和方法。它还提供了 SXSSF，它是 XSSF 的扩展，可以处理非常大的 Excel 表格。

POI 是 Java 编写的开源跨平台 Excel 处理工具，功能比 Jxl 更强大。POI 不 仅提供了对 Excel 的操作，也提供了对 Word、PowerPoint 和 Visio 等格式的文档 的操作。POI 既可以操作 xls 文件(2007 版以前的 Excel)也可以操作 xlsx 文件(2007 版以后的 Excel)。处理xls常用类类说明Excel 工作簿 WorkbookHSSFSheetExcel 工作表 SheetHSSFRowExcel 行HSSFCell。

Jxl 是一款常用的 Java 中操作 Excel 的 API，但其只对 xls 有效，对 2007 版本以 上的 Excel(xlsx)很难处理。在本节中，主要介绍如何使用 Jxl 创建工作簿以及工作 表、读取 Excel 文件内容和写入 Excel 文件内容。

如果要解析的字段为dat(e销售日期)和salesNum(销售数量)，Jsoup 解析 XML 的方法与解析 HTML 的方法相同，皆使用 CSS 选 择器选择元素。

HTMLParser 也是一款非常高效的 HTML 解析器，其支持 CSS 选择器提取 HTML中的节点。HTMLParser 的版本已不再更新，但并不影响其使用。

HtmlCleaner 是另外一款基于 Java 开发的 HTML 文档解析器，支持 XPath 语法提取 HTML 中的节点或元素。

给定 HTML 字符串，可以使用 org.jsoup.Jsoup 类中的 parse(String html)方法，将 String 类型的 HTML 文件转化成 Document 类型。这四种方法传递的参数分别是 Document 类型 的 HTML 文档、Elements 类型的元素集合、String 类型的 HTML 字符串和 String 类型 的 URL。而 JsoupXpath 则是在 Jsoup 的基础上扩展的支持 Xpath 语法的 HTML 文件解析器。示例，依旧解析课程URL。

CSS(Cascading Style Sheets)，即层叠样式表，主要用于 HTML 文档的样式化与 布局，具体涉及字体、颜色、编辑和高级定位等。CSS Selector，即 CSS 选择器，是用于 匹配元素(Elements)的一种模式。在网络爬虫中，常使用 CSS 选择器，定位 HTML 文 档中的元素，进而抽取 HTML 文档中的相应字段。在网络爬虫中，常用 Xpath 语法定位所要解析的内容。Xpath 语法使用路径表达 式来选取 HTML 或 XML 文档中的节点或节点集合。

URLConnection 是 java.net 包中的一个抽象类，其主要用于实现应用程序与 URL 之间的通信。HttpURLConnection 继承自 URLConnection，也是抽象类。在网络爬虫 中，可以使用 URLConnection 或 HttpURLConnection 请求 URL 获取流数据，通过对 流数据的操作，获取具体的实体内容。

Jsoup 是一款基于 Java 语言的开源项目，主要用于请求 URL 获取网页内容、解析 HTML 和 XML 文档。使用 Jsoup 可以非常轻松地构建一些轻量级网络爬虫。

HttpClient 是 Apache Jakarta Common 下的子项目，用来提供高效的、功能丰富的、 支持 HTTP 协议的客户端编程工具包。相比于 java.net 包中提供的 URLConnection 与 HttpURLConnection，HttpClient 增加了易用性和灵活性。在 Java 网络爬虫实战中，经 常使用 HttpClient 向服务器发送请求，获取响应资源。官网提供了 HttpClient 的使 用教程。