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, 8);
}
// 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：