让poi架起java与office之间的桥梁,让POI架起Java与Office之间的桥梁二

1/5/2008

3255

五、通过eventusermodel读取文件

通过eventusermodel读取文件要比使用usermodel复杂得多，但效率也要高不少，因为它要求应用程序一边读取数据，一边处理数据。

eventusermodel实际上模拟了DOM环境下SAX处理XML文档的办法，应用程序首先要注册期望处理的数据，eventusermodel将在碰到匹配的数据结构时回调应用程序注册的方法。使用eventusermodel最大的困难在于你必须熟悉Excel工作簿的内部结构。

在HSSF中，低层次的二进制结构称为记录(Record)。记录有不同的类型，每一种类型由org.apache.poi.hssf.record包中的一个Java类描述。例如，BOFRecord记录表示Workbook或Sheet区域的开始，RowRecord表示有一个行存在并保存其样式信息。

所有具有CellValueRecordInterface接口的记录表示Excel的单元格，包括NumericRecord、LabelSSTRecord和FormulaRecord(还有其他一些，其中部分已被弃置不用，部分用于优化处理，但一般而言，HSSF可以转换它们)。

下面是一个注册事件处理句柄的例子：

private EventRecordFactory factory = new EventRecordFactory();

factory.registerListener(new ERFListener() {

public boolean processRecord(Record rec) {

(got BOF Record);

return true;

}

}, new short[] {BOFRecord.sid});

factory.processRecords(someInputStream);

六、HSSF电子表格结构

如前所述，HSSF建立在POIFS的基础上。具体地说，Excel 97+文件是OLE 2复合文档( OLE 2 Compound Document)，底层的OLE 2复合文档保存了一个总是命名为Workbook(Excel 95除外，HSSF不支持Excel 95)的流。

然而，宏和图片并不保存在Workbook流，它们有自己独立的流，有时甚至会放到OLE 2 CDF文件之内的另一个目录。理想情况下，宏也应该被保留，不过目前POI项目中还没有合适的API来处理宏。

每一个流之内是一组记录，一个记录其实就是一个字节数组，可分为记录头、记录体两部分。记录头指明了记录的类型(也即ID)以及后继数据的长度，记录体被分割成多个字段(Field)，字段包含数值数据(包括对其他记录的引用)、字符数据或标记。

Excel工作簿的顶级结构：

Bla.xls {

OLE2CDF headers

"Workbook" stream {

Workbook {

Static String Table Record..

Sheet names… and pointers

}

Sheet {

ROW

ROW

…

NUMBER RECORD (cell)

LABELSST Record (cell)

…

}

Sheet

}

}

… images, macros, etc.

Document Summary

Summary

七、通过HPSF读取文档属性

在Microsoft Word、Excel、Powerpoint等软件中，用户可以通过“文件”→“属性”菜单给文档添加附加信息，包括文档的标题、主题、摘要、类别、要害词等，同时应用软件本身还会加入最后访问的用户、最后访问和修改/打印的日期时间等信息。

文档的属性和正文是分开保存的。如前所述，OLE 2 CDF文件内部就象是一个容器，里面包含许多类似目录和文件的结构，而POIFS就是用来访问其中的文件的工具。这些文件也称为流，文档的属性就保存在POIFS文件系统中专用的流里面。

以一个Word文档为例：虽然在资源治理器中你只看到一个叫做MyFile.doc的文档，其实在这个文档的内部，又包含了一个WordDocument、一个SummaryInformation和一个DocumentSummaryInformation文档；通常还会有其他的文档，这里暂且不管。

你能够猜出这些文档(流)分别包含什么内容吗？不错，WordDocument包含了你在Word里面编辑的文本，文档的属性保存在SummaryInformation和DocumentSummaryInformation流里面。也许将所有属性保存在单个文档里面看起来太简单了，所以Microsoft决心要使用两个流，为了使事情更复杂一点，这两个流的名字前面还加上了八进制的\005字符??这是一个不可打印的字符，因此前面就把它省略了。

Microsoft定义的标准属性有一个好处，它们并不在乎主文档到底是什么类型??不管是Word文档、Excel工作簿还是PowerPoint幻灯。只要你知道如何读取Excel文档的属性，就知道了如何读取其他文档的属性。

读取文档属性其实并不复杂，因为Java程序可以利用POI项目的HPSF包。HPSF是 Horrible Property Set Format的缩写，译成中文就是“讨厌的属性集格式”。HPSF包是POI项目实现的读取属性工具，目前还不支持属性写入。

对于读取Microsoft定义的标准属性，通过HPSF提供的API可以很方便地办到；但假如要读取任意属性集就要用到更一般化的API，可以想象它要比读取标准属性的API复杂不少。本文只介绍读取标准属性的简单API，因为对大多数应用程序来说这已经完全足够了。

下面就是一个读取OLE 2 CDF文档的标题(title)属性的Java程序：

import java.io.*;

import org.apache.poi.hpsf.*;

import org.apache.poi.poifs.eventfilesystem.*;

/**

* 读取OLE 2文档标题的示例程序，

* 在命令行参数中指定文档的文件名字。

*/

public class ReadTitle

{

public static void main(String[] args) throws IOException

{

final String filename = args[0];

POIFSReader r　　　　 = new POIFSReader();

r.registerListener(new MyPOIFSReaderListener(),

"\005SummaryInformation");

r.read(new FileInputStream(filename));

}

static class MyPOIFSReaderListener

implements POIFSReaderListener

{

public void processPOIFSReaderEvent(POIFSReaderEvent event)

{

SummaryInformation si = null;

try

{

si = (SummaryInformation)

PropertySetFactory.create(event.getStream());

}

catch (Exception ex)

{

throw new RuntimeException

("属性集流\"" + event.getPath() +

event.getName() + "\": " + ex);

}

final String title = si.getTitle();

if (title != null)

System.out.println("标题: \"" + title + "\"");

else

System.out.println("该文档没有标题.");

}

}

}