Java檔案讀寫的常用技術——專案開發實戰篇

一、 概述：

本文主要以Office辦公軟體和PDF檔案的讀寫為主線逐步展開說明，分析將相關格式的檔案內容文字化的過程。另外針對於Excel檔案內容的結構化和物件化進行實際案例分析，給出更適應Spring框架配置的解決方案。

二、 POI基本介紹：

1、 POI基本描述：

POI是用編寫的免費開源且跨平臺的Java API，Apache POI提供API給Java程式對格式檔案讀和寫的功能。POI為"Poor Obfuscation Implementation"的首字母縮寫，直譯為"可憐的模糊實現"，或意為"簡潔版的模糊實現"。

.NET的開發人員則可以利用NPOI(POI for .NET)來存取Microsoft Office文件的功能。

2、 POI需要的Jar包：

a) poi-3.10-Final.jar（用於xls）；

b) poi-ooxml-3.10-Final.jar（用於xlsx）；

c) poi-ooxml-schemas-3.10.jar；

d) xmlbeans-2.6.0.jar

e) dom4j-1.6.1.jar

f) poi-scratchpad-3.10-FINAL-20140208.jar（用於word，ppt）

3、 POI結構說明（包名稱說明）：

a) HSSF：提供讀寫Microsoft Excel XLS格式檔案的功能；

b) XSSF：提供讀寫Microsoft Excel OOXML XLSX格式檔案的功能；

c) HWPF：提供讀寫Microsoft Word DOC格式檔案的功能；

d) HSLF：提供讀寫Microsoft PowerPoint格式檔案的功能；

e) HDGF：提供讀Microsoft Visio格式檔案的功能；

f) HPBF：提供讀Microsoft Publisher格式檔案的功能；

g) HSMF：提供讀Microsoft Outlook格式檔案的功能；

三、 PDF基本介紹：

1、 摘要：

自從Adobe公司1993年第一次釋出公共PDF參考以來，支援各種語言和平臺的PDF工具和類庫就如雨後春筍般湧現。然而，Java應用開發中Adobe技術的支援相對滯後了。

自從Adobe公司1993年第一次釋出公共PDF參考以來，支援各種語言和平臺的PDF工具和類庫就如雨後春筍般湧現。然而，Java應用開發中Adobe技術的支援相對滯後了。這是個奇怪的現象，因為PDF文件是企業資訊系統儲存和交換資訊的大勢所趨，而Java技術特別適合這種應用。然而，Java開發人員似乎直到最近才獲得成熟可用的PDF支援。

2、 特性：

PDFBox（一個BSD許可下的原始碼開放專案）是一個為開發人員讀取和建立PDF文件而準備的純Java類庫。它提供如下特性：

a) 提取文字，包括Unicode字元；

b) 和Jakarta Lucene等文字搜尋引擎的整合過程十分簡單；

c) 加密/解密PDF文件；

d) 從PDF和XFDF格式中匯入匯出相關表單資料；

e) 向已有PDF文件中追加內容；

f) 將一個PDF文件切分為多個文件；

g) 覆蓋PDF文件；

3、 PDFBox API：

PDFBox設計時採用面向物件的方式來描述PDF文件。PDF文件的資料是一系列基本物件的集合：陣列，布林型，字典，數字，字串和二進位制流。PDFBox在org.pdfbox.cos包（COS模型）中定義這些基本物件型別。你可以使用這些物件與PDF文件進行任何互動，但你應該先對PDF文件內部結構以及高層概念作一些深入的了解。例如，頁面和字型都是帶有特殊屬性的字典物件；PDF參考手冊提供這些特殊屬性的含義和型別的說明，但這是一個枯燥的文件查閱過程。

於是，org.pdfbox.pdfmodel包（PD模型）應運而生，它的基礎是COS模型，但提供了以一種熟悉的方式訪問PDF文件物件的高層API。對底層COS模型進行了封裝的PDPage和PDFont等類就在這個包中。

注意：雖然PD模型提供了一些優秀的功能，但它依然是一個開發中的模型。在有些例項中，你可能需要藉助於COS模型才能訪問PDF的特定功能性。所有的PD模型物件都提供返回相應的COS模型物件的方法。所以，在一般情況下，你都會使用PD模型，但PD模型鞭長莫及時你可以直接操作底層的COS模型。

4、 PDF需要的Jar包：

a) pdfbox-1.7.1.jar；

b) fontbox-1.7.1.jar；

四、 各種檔案的處理方式：

1、 Excel檔案：

示例程式碼：

2、 Word檔案：

示例程式碼：

3、 PPT檔案：

示例程式碼：

4、 Visio檔案：

示例程式碼：

5、 Pdf檔案：

示例程式碼：

五、 案例分析講解：

1、 設計說明：

以Excel檔案的不同檔案格式讀寫為例進行分析。

a) 針對於檔案格式的設計：

i. XLS和XLSX：

雖然XLS是使用HSSFWorkbook，而XLSX是使用XSSFWorkbook，但針對於sheet的處理是一致的，因此使用同一個類進行處理。另外將針對於每行資料的處理單獨抽取為一個類，簡化程式碼邏輯，明確程式碼層次關係；

ii. CSV：

以純文字形式儲存表格資料的，因此單獨建立一個類進行處理。注意：將分隔符（預設是英文逗號）和資料起始行號單獨儲存單獨的私有成員變數中，以保證程式碼的通用性；

b) 針對於程式碼結構的設計：

使用介面將物件整合，以便在注入時可以使用同一個物件例項化。

2、 類圖：

3、 Spring配置：

4、 各個類的具體情況：

a) IParser：

b) ExcelParser：

c) CsvParser：

d) RowParser：