讓POI架起Java與Office之間的橋梁二

2019-11-18 12:26:54

字體：大中小

來源：轉載

供稿：網友

　　五、通過eventusermodel讀取文件
　　
　　通過eventusermodel讀取文件要比使用usermodel復雜得多，但效率也要高不少，因為它要求應用程序一邊讀取數據，一邊處理數據。
　　
　　eventusermodel實際上模擬了DOM環境下SAX處理xml文檔的辦法，應用程序首先要注冊期望處理的數據，eventusermodel將在碰到匹配的數據結構時回調應用程序注冊的方法。使用eventusermodel最大的困難在于你必須熟悉Excel工作簿的內部結構。
　　
　　在HSSF中，低層次的二進制結構稱為記錄（Record）。記錄有不同的類型，每一種類型由org.apache.poi.hssf.record包中的一個java類描述。例如，BOFRecord記錄表示Workbook或Sheet區域的開始，RowRecord表示有一個行存在并保存其樣式信息。
　　
　　所有具有CellValueRecordInterface接口的記錄表示Excel的單元格，包括NumericRecord、LabelSSTRecord和FormulaRecord（還有其他一些，其中部分已被棄置不用，部分用于優化處理，但一般而言，HSSF可以轉換它們）。
　　
　　下面是一個注冊事件處理句柄的例子：
　　
　　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電子表格結構
　　
　　如前所述，HSSF建立在POIFS的基礎上。具體地說，Excel 97+文件是OLE 2復合文檔（ OLE 2 Compound Document），底層的OLE 2復合文檔保存了一個總是命名為Workbook（Excel 95除外，HSSF不支持Excel 95）的流。
　　
　　然而，宏和圖片并不保存在Workbook流，它們有自己獨立的流，有時甚至會放到OLE 2 CDF文件之內的另一個目錄。理想情況下，宏也應該被保留，不過目前POI項目中還沒有合適的API來處理宏。
　　
　　每一個流之內是一組記錄，一個記錄其實就是一個字節數組，可分為記錄頭、記錄體兩部分。記錄頭指明了記錄的類型（也即ID）以及后繼數據的長度，記錄體被分割成多個字段（Field），字段包含數值數據（包括對其他記錄的引用）、字符數據或標記。
　　
　　Excel工作簿的頂級結構：
　　
　　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、通過HPSF讀取文檔屬性
　　
　　在Microsoft Word、Excel、Powerpoint等軟件中，用戶可以通過“文件”→“屬性”菜單給文檔添加附加信息，包括文檔的標題、主題、摘要、類別、要害詞等，同時應用軟件本身還會加入最后訪問的用戶、最后訪問和修改/打印的日期時間等信息。
　　
　　文檔的屬性和正文是分開保存的。如前所述，OLE 2 CDF文件內部就象是一個容器，里面包含許多類似目錄和文件的結構，而POIFS就是用來訪問其中的文件的工具。這些文件也稱為流，文檔的屬性就保存在POIFS文件系統中專用的流里面。
　　
　　以一個Word文檔為例：雖然在資源治理器中你只看到一個叫做MyFile.doc的文檔，其實在這個文檔的內部，又包含了一個WordDocument、一個SummaryInformation和一個DocumentSummaryInformation文檔；通常還會有其他的文檔，這里暫且不管。
　　
　　你能夠猜出這些文檔（流）分別包含什么內容嗎？不錯，WordDocument包含了你在Word里面編輯的文本，文檔的屬性保存在SummaryInformation和DocumentSummaryInformation流里面。也許將所有屬性保存在單個文檔里面看起來太簡單了，所以Microsoft決心要使用兩個流，為了使事情更復雜一點，這兩個流的名字前面還加上了八進制的/005字符??這是一個不可打印的字符，因此前面就把它省略了。
　　
　　Microsoft定義的標準屬性有一個好處，它們并不在乎主文檔到底是什么類型??不管是Word文檔、Excel工作簿還是PowerPoint幻燈。只要你知道如何讀取Excel文檔的屬性，就知道了如何讀取其他文檔的屬性。
　　
　　讀取文檔屬性其實并不復雜，因為Java程序可以利用POI項目的HPSF包。HPSF是 Horrible Property Set Format的縮寫，譯成中文就是“討厭的屬性集格式”。HPSF包是POI項目實現的讀取屬性工具，目前還不支持屬性寫入。
　　
　　對于讀取Microsoft定義的標準屬性，通過HPSF提供的API可以很方便地辦到；但假如要讀取任意屬性集就要用到更一般化的API，可以想象它要比讀取標準屬性的API復雜不少。本文只介紹讀取標準屬性的簡單API，因為對大多數應用程序來說這已經完全足夠了。
　　
　　下面就是一個讀取OLE 2 CDF文檔的標題（title）屬性的Java程序：
　　
　　import java.io.*;
　　import org.apache.poi.hpsf.*;
　　import org.apache.poi.poifs.eventfilesystem.*;
　　
　　/**
　　* 讀取OLE 2文檔標題的示例程序，
　　* 在命令行參數中指定文檔的文件名字。
　　*/
　　
　　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
　　("屬性集流/"" + event.getPath() +
　　event.getName() + "/": " + ex);
　　}
　　
　　final String title = si.getTitle();
　　
　　if (title != null)
　　System.out.println("標題: /"" + title + "/"");
　　else
　　System.out.println("該文檔沒有標題.");
　　}
　　}
　　}

上一篇：mod_security保障Web Services的安全一(圖)

下一篇：讓POI架起Java與Office之間的橋梁一