Apache POI 读取 Microsoft Office Excel 文档

Apache POI 项目的使命是创造和维护 Java API 操纵各种格式的文件,其中包括基于 Office Open XML 标准(OOXML)和微软的 OLE 2 Compound Document 格式(OLE2)。

总之,你可以使用 Java 读写 MS Excel 文件。换句话说就是如果你希望要对 Microsoft Office 的一些文档用 Java 来处理,那么你需要使用 Apache POI 项目。

我们在这里只对 Excel 的读取进行一些小的代码。

HSSF 和 XSSF

HSSF 被用来处理早期版本,这个版本为:Excel '97(-2007)

XSSF 被用来处理近期的版本,Excel 2007 OOXML (.xlsx) 。

简单来说就是你的 Excel 版本为 07 年以后的版本,使用 XSSF 就可以了,换句话说目前使用 XSSF 比较多。

XSSF 读取数据

使用 XSSF 读取数据的方法比较简单。

使用下面几行代码就可以了。

try (InputStream inp = new FileInputStream("workbook.xls")) {
//InputStream inp = new FileInputStream("workbook.xlsx");
    Workbook wb = WorkbookFactory.create(inp);
    Sheet sheet = wb.getSheetAt(0);
    Row row = sheet.getRow(2);
    Cell cell = row.getCell(3);
   
}

简单来说就是首先将文件读取为 InputStream 。

使用 InputStream 来创建一个 Workbook 对象,这时候你需要使用 WorkbookFactory 来创建。

当你获得 WorkbookFactory 对象后,就等于已经将需要读取的 Excel 文件放到对象中了。

读取顺序是从 Workbook 对象中,通过 getSheetAt 方法来处理你希望处理的 sheet,因为在 Excel 表中可以有多个 sheet,这里如果你指定为 0 的话,表示根据物理和逻辑算法确定的第一个 sheet。

当你获得 sheet 对象后,你就可以从 sheet 中读取 row 对象了。

row 对象就等于表格中的一行,在一个 Excel 表中可以有很多行。当你获得这一行的对象后,你会有很多的列。

那么你需要使用 getCell 来获得指定的列。

当你获得指定的列以后,你就可以获得你需要的数据了。

整体来说,Workbook 的对象定义还是非常明确的。

遍历数据

官方的文档中,使用了 3 for 循环来遍历。

代码如下:

for (Sheet sheet : wb ) {
    for (Row row : sheet) {
        for (Cell cell : row) {
            // Do something here
        }
    }
}

这个代码看起来还是挺丑的,按照官方的说法,还是可以使用迭代( Iterator)的

因为官方还提供了 workbook.sheetIterator() , sheet.rowIterator() , 和 row.cellIterator() 几个迭代器。

例如我们使用了下面这个方法:

    public static List<String> getXLSXInputFileRowList(File inputFile) {
        List<String> dataList = Lists.newArrayList();

        try {
            FileInputStream inputStream = FileUtils.openInputStream(inputFile);

            Workbook wb = WorkbookFactory.create(inputStream);
            Sheet sheet = wb.getSheetAt(0);

            Iterator<Row> iterator = sheet.rowIterator();

            // LOOP Get Cell
            while (iterator.hasNext()) {
                Row row = iterator.next();
                Cell cell = row.getCell(0);
                cell.getStringCellValue();
                dataList.add(cell.getStringCellValue());
                logger.debug("Cell Data - [{}]", cell.getStringCellValue());
            }

            logger.debug("The Size of XLSX file count: {}", dataList.size());
        } catch (IOException ex) {
            logger.error("XLSX File process error.", ex);
        }

        // CLEAN
        CollectionUtils.filter(dataList, PredicateUtils.notNullPredicate());

        return dataList;
    }

在这个方法中我们就使用了 rowIterator 迭代器。

假设我们处理的 Excel 数据只有 1 列,我们希望读取出来。

如果执行上面的代码,你的控制台会输出:

18:42:38.094 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - Cell Data - [Biz]
18:42:38.097 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - Cell Data - [Beta]
18:42:38.098 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - Cell Data - [Betabiz]
18:42:38.098 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - Cell Data - [Test]
18:42:38.098 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - Cell Data - [Test B]
18:42:38.098 [main] DEBUG c.i.s.common.utilities.CSVFileUtils - The Size of XLSX file count: 5
18:42:38.101 [main] DEBUG c.i.s.c.test.utilities.FileUtilsTest - Vendor Name List - [5]

输出的内容就是使用迭代器读取的。

这个针对 3 个 for 循环来说要好一些。