PO2与POI3差异研究(基于POI3.8)用于解决JAVA环境下EXCEL2003.EXCEL2007.EXCEL2010的兼容性问题

PO2与POI3差异研究(基于POI3.8)用于解决JAVA环境下EXCEL2003.EXCEL2007.EXCEL2010的兼容性问题

 

摘    要 
我司系统是WEB项目，JAVA/WEBLOGIC/LINUX环境，会在前端客户机上会安装一个公司开发的EXCEL插件，用于与后台系统进行交互，近期在操作EXCEL时发现EXCEL2003和EXCEL2007之间的一系列兼容性问题，本文即对POI操作EXCEL的兼容性问题进行的探讨。 
本文首先对现有问题的现象进行了描述，然后再对POI结构、POI版本差异作了概述，最后提供了一套解决方案。 
阅读本文，默认读者已经了解了POI的具体使用，本文不具体介绍POI的API。 

正文 

1 现有问题： 
目前以EXCEL为基础进行数据制作，在前端客户机上会安装一个公司开发的EXCEL插件，用于与后台系统进行交互，近期发现EXCEL版本之间的一系列兼容性问题: 

1、 涉及到EXCEL2007文件的后台操作，会导致后台错误。 
org.apache.poi7.poifs.filesystem.OfficeXmlFileException: The supplied data appears to be in the Office 2007+ XML. You are calling the part of POI that deals with OLE2 Office Documents. You need to call a different part of POI to process this data (eg XSSF instead of HSSF) 
2、 涉及EXCEL导出的部分，若文件内容是EXCEL2007，却使用.XLS,为后缀名的文件。那么使用EXCEL2003打开会导致乱码现象。 
3、 目前使用后台创建的EXCEL文件，无论客户安装的是什么版本的OFFICE，后台都是用EXCEL2003（POI2）文件格式创建的。 

2 问题原因： 
报表平台现有系统在后台处理Excel都是使用apache的POI2.x进行解析处理，但是poi2.x是和jdk1.4兼容的，且poi2.x只能处理excel2003及以前的老版本excel文件，客户机器上安装的往往是较新版的office2007，要处理excel2007就必须使用poi3.5以上的版本，poi3.5及以上的版本适用jdk1.5版及以上，并支持excel2007的处理。 

3 POI2.x与POI3.x的区别： 

3.1 什么是POI 
Apache POI是Apache软件基金会的开放源码函式库，POI提供API给Java程式对Microsoft Office格式档案读和写的功能。现在较新较稳定的POI版本是3.7，即常说的POI7，最新的POI3.8已经出了beta2版本,支持EXCEL2010的操作。 
3.2 如何使用POI 
完整的POI3.8 beta2包含如下类库： 
poi-3.8-beta2-20110408.jar 
poi-examples-3.8-beta2-20110408.jar 
poi-excelant-3.8-beta2-20110408.jar 
poi-ooxml-3.8-beta2-20110408.jar （Office Open XML） 
poi-ooxml-schemas-3.8-beta2-20110408.jar 
poi-scratchpad-3.8-beta2-20110408.jar 
另需要一些配套包的支持（目前公司资产LIB库中已经存在的） 
dom4j-1.6.1.jar 
stax-api-1.0.1.jar 
xmlbeans-2.3.0.jar （必须使用2.3或以上的版本） 
commons-logging-1.1.jar 
junit-3.8.1.jar 
log4j-1.2.13.jar 
POI3.8的具体API及实现方法不在本文详述。 

3.3 POI结构及版本区别： 
1、 首先，相对于POI2.X及以下版本，POI3.X支持较高版本的Office操作，在本文中关注的是能够对EXCEL2007进行操作，并可兼容操作EXCEL2003。 

部分类图如下： 


（图1） 

如上图，POI2.x的结构只有类图中左半部分，POI3.x新增了以XSSF前缀的EXCEL文件操作对象，用于对OOM格式的EXCEL操作。 

POI3完整具体结构和作用如下： 
　　结构： 
　　HSSF － 提供读写Microsoft Excel格式档案的功能。 
　　XSSF － 提供读写Microsoft Excel OOXML格式档案的功能。 
　　HWPF － 提供读写Microsoft Word格式档案的功能。 
　　HSLF － 提供读写Microsoft PowerPoint格式档案的功能。 
    HDGF － 提供读写Microsoft Visio格式档案的功能。 

2、其次，另一个重要区别就是，excel2007文件格式与之前版本不同，之前版本采用的是微软自己的存储格式。07版内容的存储采用XML格式（OOM）。 
4 现有问题解决方案： 
4.1 解决方案要求： 
1、 解决目前EXCEL2003和EXCEL2007兼容性问题。 
2、 提供后续EXCEL版本，如EXCEL2010的可扩展性。 

4.2 算法（实现逻辑） 
1、 兼容性： 

如（图1）所示，我们可以看到，操作EXCEL2003的对象（HSSF为前缀）与操作EXCEL2007的对象（XSSF为前缀）共用一套接口，在遇到未知版本的EXCEL文件时，可以通过POI提供的方法判断文件头来获取版本信息，构造具体版本的Workbook实例。再返回统一的接口达到兼容性要求。 
创建兼容性Workbook的工厂方法代码如下： 
public static Workbook createCommonWorkbook(InputStream inp) 
throws IOException, InvalidFormatException { 
// 首先判断流是否支持mark和reset方法，最后两个if分支中的方法才能支持 
if (!inp.markSupported()) { 
// 还原流信息 
inp = new PushbackInputStream(inp, ; 
} 
// EXCEL2003使用的是微软的文件系统 
if (POIFSFileSystem.hasPOIFSHeader(inp)) { 
return new HSSFWorkbook(inp); 
} 
// EXCEL2007使用的是OOM文件格式 
if (POIXMLDocument.hasOOXMLHeader(inp)) { 
// 可以直接传流参数，但是推荐使用OPCPackage容器打开 
return new XSSFWorkbook(OPCPackage.open(inp)); 
} 
throw new IOException("不能解析的excel版本"); 
} 
通过传入的文件流，获取到通用的Workbook接口，就可以进行一系列不同的业务操作了，实际上到这一步EXCEL2003与EXCEL2007的兼容性问题已经基本解决了，简单吧？具体实例请阅读本文最后的DEMO，此处不详述。 

当然，HSSFWorkbook(EXCEL2003)会与XSSFWorkbook(EXCEL2007)有很多差异，通用接口只能满足这两者的交集部分。 
如下图： 

（图2） 
若接口不能完全满足要求，可以通过判断Workbook类型，强制转换成其对应版本的对象，分别作两套或多套方法来处理。这是为满足兼容性值得牺牲，也是必须牺牲的部分。根据实际操作经验，接口能满足绝大部分EXCEL的基本操作，不能满足需要的情况非常少见。具体功能差异未作深究，感兴趣的读者可自行对比API。 
伪码如下： 
Workbook wb = createCommonWorkbook(不确定的版本的EXCEL文件流); 

if (wb instanceof HSSFWorkbook) { 
HSSFWorkbook hwb = (HSSFWorkbook)wb; 
EXCEL2003的处理部分 
} else if (wb instanceof XSSFWorkbook) { 
XSSFWorkbook xwb = (XSSFWorkbook)wb; 
EXCEL2007的处理部分
} else { 
throw new IOException("不能解析的excel版本"); 
} 

2、 扩展性： 
我们在兼容性部分已经创建了获取兼容Workbook的工厂方法，若遇到其它版本，如EXCEL2010的需求，在工厂方法里添加一个创建EXCEL2010的Workbook条件就行了。 
修改createCommonWorkbook方法，伪码如下： 
public static Workbook createCommonWorkbook(InputStream inp) 
throws IOException, InvalidFormatException { 
... 
if (输入文件的文件头为EXCEL2010格式) { 
return new EXCEL2010Workbook(inp); 
} 
... 
} 
throw new IOException("不能解析的excel版本"); 
} 
既然版本都是固定的，那么再提供一个版本枚举类，不就可以更方便管理不同的EXCEL版本了吗，如果将枚举的VALUE值定义为文件后缀名，也一并解决了不同版本的EXCEL文件后缀名不同的恼人问题，真是一举多得呢。后续即使有更高的Office版本，如EXCEL2010，也只需要添加一个工厂条件，再添加一个枚举项即可实现无缝升级了。 
枚举类属性如下： 
// KEY：版本号 
// VALUE:文件后缀名 

/** EXCEL2003版本 */
EXCEL_2003(2003, ".xls"), 

/** EXCEL2007版本 */ 
EXCEL_2007(2007, ".xlsx"); 

/** 后续添加扩展添加的EXCEL2010版本 */ 
EXCEL_2010(2010, ".xlsx"); 

再创建一个根据Workbook取得版本信息的工具方法，如下： 
public static ExcelVersionTypeEnum checkExcelVersion(Workbook wb) 
throws IOException { 

if (wb instanceof HSSFWorkbook) { 
return ExcelVersionTypeEnum.EXCEL_2003; 
} else if (wb instanceof XSSFWorkbook) { 
return ExcelVersionTypeEnum.EXCEL_2007; 
} else { 
throw new IOException("不能解析的excel版本"); 
} 
} 
以后获取版本信息或后缀名就方便了： 
ExcelVersionTypeEnum ev =CompatibleExcelUtil.checkExcelVersion(wb); 
String suffix = ev.getValue(); 

3、 DEMO: 
源码如下： 

public class Test { 

public static void main(String[] args) { 
String path2007 = "d:\\2007.xlsx"; 
String path2003 = "d:\\2003.xls"; 
Test.Demo(path2003); 
} 

public static void Demo(String filePath){ 
InputStream is = null; 
try { 
is = new BufferedInputStream(new FileInputStream((new File(filePath)))); 
//调用工具类，获取兼容的Workbook接口（兼容性） 
Workbook wb = CompatibleExcelUtil.createCommonWorkbook(is); 
//获取首个单元格值（具体业务处理） 
Sheet sheet = wb.getSheetAt(0); 
sheet.getRow(0); 
Row row = sheet.getRow(0); 
Cell cell = row.getCell(0); 
//调用工具类，返回版本枚举 
ExcelVersionTypeEnum ev =CompatibleExcelUtil.checkExcelVersion(wb); 
//控制台打印信息 
System.out.println("EXCEL版本号：" + ev); 
System.out.println("文件后缀名：" + ev.getValue() + "(即使此DEMO中文件后缀名不规范，此处也能正确识别)"); 
System.out.println("首个单元格值：" + cell.getNumericCellValue()); 
} catch (Exception e) { 
e.printStackTrace(); 
}finally{ 
try { 
is.close(); 
} catch (IOException e) { 
e.printStackTrace(); 
} 
} 
} 
} 
运行结果： 
在D盘创建EXCEL2003格式文件《2003.xls》首个单元格值为2003。运行Test.Demo(path2003); 
得到以下结果： 

在D盘创建EXCEL2003格式文件《2007.xlsx》首个单元格值为111。运行Test.Demo(path2007); 
得到以下结果： 

把2007.xlsx改后缀名为2007.xls，运行Test.Demo("d:\\2007.xls"); 
得到以下结果：