让POI架起Java与Office之间的桥梁

本文将阐述如何用POI来读取/写入完整的Excel文件。
　　
　　约定：POI项目2.0版现在已经接近正式发行阶段，开发进度迅速，不断有新的功能集成到原有的系统，同时也有对原有系统的修改。
　　
　　为了保证本文的及时性，本文将按照最近的1.9开发版说明。虽然编译最近的发行版源代码也能正常运行，但现在的代码和2.0的发行版会有一些出入。
　　
　　一、Excel基础
　　
　　Microsoft Excel 97文件格式也被称为BIFF8，最近版本的Excel只对该格式作了少量的改动。增加对新格式的支持除了增加项目的复杂性之外，唯一的效果也许只是不得不使每个用户升级代码，没有什么实际的好处。
　　
　　因此，在下文说明中，凡是提到Excel 97格式的地方其实都是指Excel从97到XP的格式。
　　
　　二、HSSF概况
　　
　　POI项目实现的Excel 97文件格式称为HSSF??也许你已经猜到，HSSF是Horrible SpreadSheet Format的缩写，也即“讨厌的电子表格格式”（微软使某些原本简单的事情过分复杂，同时又过分简单地处理了某些原本需要灵活性的事情，让人不胜佩服！）
　　
　　也许HSSF的名字有点滑稽，就本质而言它是一个非常严肃、正规的API。通过HSSF，你可以用纯Java代码来读取、写入、修改Excel文件。
　　
　　前面一篇文章提到了POIFS，那么HSSF和POIFS又有什么关系呢？就象其他POI的API一样，HSSF建立在POIFS的基础上，因此在HSSF内的有些代码和前文的某些代码很相似。不过，当我们编写基于HSSF API的代码时，一般不需要了解POIFS API的细节。
　　
　　HSSF为读取操作提供了两类API：usermodel和eventusermodel，即“用户模型”和“事件-用户模型”。前者很好理解，后者比较抽象，但操作效率要高得多。usermodel主要有org.apache.poi.hssf.usermodel和org.apache.poi.hssf.eventusermodel包实现（在HSSF的早期版本中，org.apache.poi.hssf.eventusermodel属于eventmodel包）。
　　
　　usermodel包把Excel文件映射成我们熟悉的结构，诸如Workbook、Sheet、Row、Cell等，它把整个结构以一组对象的形式保存在内存之中。eventusermodel要求用户熟悉文件格式的底层结构，它的操作风格类似于XML的SAX API和AWT的事件模型（这就是eventusermodel名称的起源），要掌握窍门才能用好。
　　
　　另外，eventusermodel的API只提供读取文件的功能，也就是说不能用这个API来修改文件。
　　
　　三、通过usermodel读取文件
　　
　　用HSSF的usermodel读取文件很简单。首先创建一个InputStream，然后创建一个HSSFWorkbook：
　　
　　InputStream myxls = new FileInputStream("workbook.xls"));
　　HSSFWorkbook wb　　 = new HSSFWorkbook(myxls);
　　
　　有了HSSFWorkbook实例，接下来就可以提取工作表、工作表的行和列，例如：
　　
　　HSSFSheet sheet = wb.getSheetAt(0);　　　 // 第一个工作表
　　HSSFRow row　　 = sheet.getRow(2);　　　　// 第三行
　　HSSFCell cell　 = row.getCell((short)3);　// 第四个单元格
　　
　　上面这段代码提取出第一个工作表第三行第四单元格。利用单元格对象可以获得它的值，提取单元格的值时请注意它的类型：
　　
　　if (cell.getCellType() == HSSFCell.CELL_TYPE_STRING) {
　　("单元格是字符串，值是： " + cell.getStringCellValue());
　　} else if (cell.getCellType() == HSSFCell.CELL_TYPE_NUMERIC) {
　　("单元格是数字，值是： " + cell.getCellValue());
　　} else () {
　　("单元格的值不是字符串或数值。");
　　}
　　
　　如果搞错了数据类型，程序将遇到异常。特别地，用HSSF处理日期数据要小心。Excel内部以数值的形式保存日期数据，区别日期数据的唯一办法是通过单元格的格式（如果你曾经在Excel中设置过日期格式，应该明白这是什么意思）。
　　
　　因此，对于包含日期数据的单元格，cell.getCellType()将返回HSSFCell.CELL_TYPE_NUMERIC，不过利用工具函数HSSFDateUtil.isCellDateFormatted(cell)可以判断出单元格的值是否为日期。isCellDateFormatted函数通过比较单元格的日期和Excel的内置日期格式得出结论??可以想象，按照这种判断方法，很多时候isCellDateFormatted函数会返回否定的结论，存在一定的误判可能。
　　
　　本文附录包含了一个在Servlet环境中利用HSSF创建和返回Excel工作簿的实例。
　　
　　四、通过usermodel写入文件
　　
　　写入XLS文件比读取XLS文件还要简单。创建一个HSSFWorkbook实例，然后在适当的时候创建一个把文件写入磁盘的OutputStream，但延迟到处理结束时创建OutputStream也可以：
　　
　　HSSFWorkbook wb = new HSSFWorkbook();
　　FileOutputStream fileOut
　　= new FileOutputStream("workbook.xls");
　　wb.write(fileOut);
　　fileOut.close();
　　
　　创建工作表及其内容必须从相应的父对象出发，例如：
　　
　　HSSFSheet sheet = wb.createSheet();
　　HSSFRow row　　 = sheet.createRow((short)0);
　　HSSFCell cell　 = row.createCell((short)0);
　　cell.setCellValue(1);
　　row.createCell((short)1).setCellValue(1.2);
　　row.createCell((short)2).setCellValue("一个字符串");
　　row.createCell((short)3).setCellValue(true);
　　
　　如果要设置单元格的样式，首先要创建一个样式对象，然后把它指定给一个单元格??或者把它指定给多个具有相同样式的单元格，例如，如果Excel表格中有一个摘要行，摘要行的数据必须是粗体、斜体，你可以创建一个summaryRowStyle样式对象，然后把这个样式指定给所有摘要行上的单元格。
　　
　　注意，CellFormat和CellStyle对象是工作簿对象的成员，单元格对象只是引用它们。
　　...
　　HSSFCellStyle style = workbook.createCellStyle();
　　style.setDataFormat
　　(HSSFDataFormat.getBuiltinFormat("($#,##0_);[Red]($#,##0)"));
　　style.setFillBackgroundColor(HSSFColor.AQUA.index);
　　style.setFillPattern(HSSFCellStyle.BIG_SPOTS);
　　...
　　someCell.setCellStyle(style);
　　someOtherCell.setCellStyle(style);
　　
　　版本较新的HSSF允许使用数量有限的Excel公式。这一功能目前还是“Beta级质量”，正式使用之前务必仔细测试。指定公式的方式类如：someCell.setCellFormula(SUM(A1:A2:);。
　　
　　当前，公式中已经可以调用所有内建的函数或操作符，但逻辑操作符和函数（例如IF函数）除外，这部分功能目前还在开发之中。
　　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将在遇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、关键词等，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：虽然在资源管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；但如果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.");
　　}
　　}
　　}
　　main()方法利用POIFS的事件系统从命令行指定的OLE 2文档读取名为\005SummaryInformation的流，当POIFSReader 遇到这个流时，它把控制传递给MyPOIFSReaderListener的processPOIFSReaderEvent()方法。
　　
　　processPOIFSReaderEvent()到底有什么用呢？它通过参数获得一个输入流，该输入流包含了文档标题等属性。为了访问文档的属性，我们从输入流创建一个PropertySet实例，如下所示：
　　
　　si = (SummaryInformation) PropertySetFactory.create(event.getStream());
　　
　　这个语句其实包含三个步骤的操作：
　　
　　◆ event.getStream()从POIFSReader传入的POIFSReaderEvent获得输入流。
　　
　　◆ 以刚才获得的输入流为参数，调用PropertySetFactory的静态方法create()。正如其名字所暗示的，PropertySetFactory是一个工厂类，它有一台“机器”能够把一个输入流转换成一个PropertySet实例，这台机器就是create()方法。
　　
　　◆ 把create()方法返回的PropertySet定型（cast）成为SummaryInformation。PropertySet提供了按照一般办法读取属性集的各种机制，SummaryInformation是PropertySet的子类，即SummaryInformation类在PropertySet类的基础上增加了操作Microsoft标准属性的便捷方法。
　　
　　在这个处理过程中，可能引起错误的因素很多，因此我们把这部分内容放入了一个try块，不过这个示例程序只按照最简单的方式处理了异常，在实际应用中，最好能够对可能出现的不同异常类型分别处理。
　　
　　除了一般的I/O异常之外，还有可能遇到HPSF特有的异常，例如，如果输入流不包含属性集或属性集非法，就会抛出NoPropertySetStreamException异常。
　　
　　有一种错误不太常见，但也不是绝无可能\005SummaryInformation包含一个合法的属性集，但不是摘要信息属性集。如果出现这种情况，则定型成SummaryInformation操作会失败，引发ClassCastException异常。
　　
　　获得SummaryInformation实例之后，剩下的事情就很简单了，只要调用getTitle()方法，然后输出结果。
　　
　　除了getTitle()之外，SummaryInformation还包含其他一些便捷方法，例如getApplicationName()、getAuthor()、getCharCount()、和getCreateDateTime()等。HPSF的JavaDoc文档详细说明了所有这些方法。
　　
　　八、文档摘要信息
　　
　　遗憾的是，并非所有的属性都保存在摘要信息属性集之中。许多（但不是全部）OLE 2文件还有另一个属性集，称为“文档摘要信息”，对应的流是\005DocumentSummaryInformation。这个属性集保存的属性包括文档的类别、PowerPoint幻灯的多媒体剪辑数量，等等。
　　
　　要访问文档摘要信息属性集，程序的处理过程也和上例相似，只是注册的目标应该改成\005DocumentSummaryInformation有时，你可能想要同时注册到摘要信息和文档摘要信息这两个流。其余的处理方式和前面的例子差不多，你应该把包含文档摘要信息的流传递给PropertySetFactory.create()，但这次工厂方法将返回一个DocumentSummaryInformation对象（而不是前面例子中的SummaryInformation对象）。
　　
　　如果同时注册到了两个流，注意检查返回值的具体类型，或者使用Java的instanceof操作符，或者使用专用的isSummaryInformation()和isDocumentSummaryInformation()方法。记住，create()方法返回的总是一个PropertySet对象，因此你总是可以对create()返回对象调用isSummaryInformation()和isDocumentSummaryInformation()方法，PropertySet类之所以要提供这两个方法，是因为属性集可能是自定义的。
　　
　　如果你想要处理自定义的属性集，或者要从标准的属性集读取用户定义的属性，必须使用一个更一般化的API，前面已经提到，这个API要复杂得多，本文不再讨论，请参见HPSF的HOW-TO文档和POI的文档。
　　
　　结束语：本文探讨了HSSF的应用以及如何输出到Excel文件，另外还涉及了HPSF以及如何读取属性集文档摘要信息。POI是一个功能非常强大的项目，许多主题本文尚未涉及，例如如何用HSSF Serializer将XML文档转换成Excel格式等，这一切仍有待您去研究了。
　　
　　九、附录
　　
　　实例：利用Servlet创建和返回一个工作簿。
　　
　　package org.apache.poi.hssf.usermodel.examples;
　　
　　import java.io.*;
　　import java.net.*;
　　import javax.servlet.*;
　　import javax.servlet.http.*;
　　import org.apache.poi.hssf.usermodel.*;
　　
　　public class HSSFCreate extends HttpServlet {
　　public void init(ServletConfig config)
　　throws ServletException {
　　super.init(config);
　　}
　　
　　public void destroy() {
　　}
　　
　　/** 处理HTTP GET 和POST请求
　　* @param request：请求
　　* @param response：应答
　　*/
　　protected void processRequest(HttpServletRequest request,
　　HttpServletResponse response)
　　throws ServletException, IOException {
　　
　　response.setContentType("application/vnd.ms-excel");
　　HSSFWorkbook wb = new HSSFWorkbook();
　　HSSFSheet sheet = wb.createSheet("new sheet");
　　
　　// 创建一个新的行，添加几个单元格。
　　// 行号从0开始计算
　　HSSFRow row　　 = sheet.createRow((short)0);
　　// 创建一个单元格，设置单元格的值
　　HSSFCell cell　 = row.createCell((short)0);
　　cell.setCellValue(1);
　　
　　row.createCell((short)1).setCellValue(1.2);
　　row.createCell((short)2).setCellValue("一个字符串值");
　　row.createCell((short)3).setCellValue(true);
　　// 写入输出结果
　　OutputStream out = response.getOutputStream();
　　wb.write(out);
　　out.close();
　　}
　　
　　/** 处理HTTP GET请求
　　* @param request：请求
　　* @param response：应答
　　*/
　　protected void doGet(HttpServletRequest request,
　　HttpServletResponse response)
　　throws ServletException, IOException {
　　processRequest(request, response);
　　}
　　
　　/** 处理HTTP POST请求
　　* @param request：请求
　　* @param response：应答
　　*/
　　protected void doPost(HttpServletRequest request,
　　HttpServletResponse response)
　　throws ServletException, IOException {
　　processRequest(request, response);
　　}
　　
　　/** 返回关于Servlet的简单说明
　　*/
　　public String getServletInfo() {
　　return "示例：在Servlet中用HSSF创建Excel工作簿";
　　}
　　}