3.4 用NPOI操作EXCEL－－从Excel中抽取文本

　　我们知道，搜索引擎最擅长处理的就是文本，而Excel中的内容并不是以文本方式存储的。那么如果想要搜索引擎爬虫能够抓取到Excel中的内容是比较困难的，除非搜索引擎爬虫对Excel格式进行专门的处理。那么有没有办法解决此问题呢？有,通过NPOI将Excel内容文本化！

　　如下，有这样一张Excel，如果想让它被搜索引擎收录，常用的方式是以HTML形式展现，但将一个个这样的Excel手工做成HTML页面显然比较麻烦。接下来，我们将提供一种方案，自动将Excel中的内容以HTML形式展现。

　　其实基本思想也很简单，就是通过NPOI读取每个Cell中的内容，然后以HTML的形式输出。但要保证输出的HTML页面布局与Excel中的一致，还有点小技巧。下面是构造Table的代码：

private  HSSFSheet sht;
protected  String excelContent;

protected   void  Page_Load( object  sender, EventArgs e)
{
    HSSFWorkbook wb  =   new  HSSFWorkbook( new  FileStream(Server.MapPath( " App_Data/quotation.xls " ), FileMode.Open));
    sht  =  wb.GetSheet( " Sheet1 " );

     // 取行Excel的最大行数
     int  rowsCount  =  sht.PhysicalNumberOfRows;
     // 为保证Table布局与Excel一样，这里应该取所有行中的最大列数（需要遍历整个Sheet）。
     // 为少一交全Excel遍历，提高性能，我们可以人为把第0行的列数调整至所有行中的最大列数。
     int  colsCount  =  sht.GetRow( 0 ).PhysicalNumberOfCells;

     int  colSpan;
     int  rowSpan;
     bool  isByRowMerged;

    StringBuilder table  =   new  StringBuilder(rowsCount  *   32 );

    table.Append( " <table border='1px'> " );
     for  ( int  rowIndex  =   0 ; rowIndex  <  rowsCount; rowIndex ++ )
    {
        table.Append( " <tr> " );
         for  ( int  colIndex  =   0 ; colIndex  <  colsCount; colIndex ++ )
        {
            GetTdMergedInfo(rowIndex, colIndex,  out  colSpan,  out  rowSpan,  out  isByRowMerged);
             // 如果已经被行合并包含进去了就不输出TD了。
             // 注意被合并的行或列不输出的处理方式不一样，见下面一处的注释说明了列合并后不输出TD的处理方式。
             if  (isByRowMerged)
            {
                 continue ;
            }
            
            table.Append( " <td " );
             if  (colSpan  >   1 )
                table.Append( string .Format( "  colSpan={0} " , colSpan));
             if  (rowSpan  >   1 )
                table.Append( string .Format( "  rowSpan={0} " , rowSpan));
            table.Append( " > " );

            table.Append(sht.GetRow(rowIndex).GetCell(colIndex));

             // 列被合并之后此行将少输出colSpan-1个TD。
             if  (colSpan  >   1 )
                colIndex  +=  colSpan  -   1 ;

            table.Append( " </td> " );

        }
        table.Append( " </tr> " );
    }
    table.Append( " </table> " );

     this .excelContent  =  table.ToString();
}

　　其中用到的GetTdMergedInfo方法代码如下：

///   <summary>
///   获取Table某个TD合并的列数和行数等信息。与Excel中对应Cell的合并行数和列数一致。
///   </summary>
///   <param name="rowIndex"> 行号 </param>
///   <param name="colIndex"> 列号 </param>
///   <param name="colspan"> TD中需要合并的行数 </param>
///   <param name="rowspan"> TD中需要合并的列数 </param>
///   <param name="rowspan"> 此单元格是否被某个行合并包含在内。如果被包含在内，将不输出TD。 </param>
///   <returns></returns>
private   void  GetTdMergedInfo( int  rowIndex,  int  colIndex,  out   int  colspan,  out   int  rowspan,  out   bool  isByRowMerged)
{
    colspan  =   1 ;
    rowspan  =   1 ;
    isByRowMerged  =   false ;
     int  regionsCuont  =  sht.NumMergedRegions;
    Region region;
     for  ( int  i  =   0 ; i  <  regionsCuont; i ++ )
    {
        region  =  sht.GetMergedRegionAt(i);
         if  (region.RowFrom  ==  rowIndex  &&  region.ColumnFrom  ==  colIndex)
        {
            colspan  =  region.ColumnTo  -  region.ColumnFrom  +   1 ;
            rowspan  =  region.RowTo  -  region.RowFrom  +   1 ;

             return ;
        }
         else   if  (rowIndex  >  region.RowFrom  &&  rowIndex  <=  region.RowTo  &&  colIndex >= region.ColumnFrom  &&  colIndex <= region.ColumnTo)
        {
            isByRowMerged  =   true ;
        }
    }
}

最后在apsx页面中输出构建好的Table：

<%= excelContent  %>

执行效果如下：

 

我们发现，与Excel中的布局完全一样（这里没有处理单元格的样式，只处理了内容，有兴趣的读者也可以将Excel中单元格的样式也应用在HTML中）。这里为保证布局一致，主要是将Excel中的Region信息解析成Table的colSpan和rowSpan属性，如果对这两个属性不太了解，可以结合以下代码和示例加以了解：

< table  width ="300px"  border ="1px" >
< tr >
     < td  colspan ="2"  rowspan ="2" > 0,0 </ td >
     < td > 0,3 </ td >
</ tr >
< tr >
     < td > 1,3 </ td >
</ tr >
< tr >
     < td  rowspan ="2" > 2,0 </ td >
     < td  colspan ="2" > 2,1 </ td >
</ tr >
< tr >
     < td > 3,1 </ td >
     < td > 3,2 </ td >
</ tr >
</ table >

 以上HTML代码对应的Table展现为：

 

返回目录

 

转载于:https://www.cnblogs.com/atao/archive/2009/10/18/1585536.html