Excel2007格式分析和XML解析
来源：互联网 发布：软件成本 标准 编辑：程序博客网 时间：2024/04/29 08:30
在物料清单采购中，用到excel上传文件解析功能，不过使用poi来解析，发现如果某个单元格为空，则使用poi的官网示例则会被忽略，导致某些非必填的单元格为空，而解析出来则认为不符合格式。找了半天，也没发现poi正确解析的示例和一些资料，只能自己查查excel的格式，然后再解析了。官网地址示例：http://poi.apache.org/spreadsheet/how-to.html#xssf_sax_api
那么我们就看看excel2007的格式了。
1. excel2007是使用xml格式来存储的，把一个excel文件后缀改为.zip,打开之后就直接可以看到一个excel文件对应的xml格式的文件了。
这里面有几部分
<!--[if !supportLists]-->1. 1 <!--[endif]-->对于docProps目录下 这里core是文件的创建时间和修改时间，标题，主题和作者，app是文档的其他属性，文档类型，版本，是否只读，是否共享，安全属性等文档属性信息。
Core.xml <dc:creator></dc:creator> <cp:lastModifiedBy></cp:lastModifiedBy> <dcterms:created xsi:type="dcterms:W3CDTF">2006-09-13T11:21:51Z</dcterms:created> <dcterms:modified xsi:type="dcterms:W3CDTF">2013-06-05T09:28:23Z</dcterms:modified> App.xml <Application>Microsoft Excel</Application> <DocSecurity>0</DocSecurity> <ScaleCrop>false</ScaleCrop> <Company></Company> <LinksUpToDate>false</LinksUpToDate> <SharedDoc>false</SharedDoc> <HyperlinksChanged>false</HyperlinksChanged> <AppVersion>12.0000</AppVersion> ……
2.在xl目录下是文档的具体内容信息
先看workbook.xml
<workbook xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"> <fileVersion appName="xl" lastEdited="4" lowestEdited="4" rupBuild="4507" /> <workbookPr filterPrivacy="1" defaultThemeVersion="124226" /> <bookViews> <workbookView xWindow="0" yWindow="90" windowWidth="19200" windowHeight="11640" /> </bookViews> <sheets> <sheet name="Sheet1" sheetId="1" r:id="rId1" /> <sheet name="Sheet2" sheetId="2" r:id="rId2" /> <sheet name="Sheet3" sheetId="3" r:id="rId3" /> </sheets> <calcPr calcId="125725" /></workbook>workbook.xml文件包含一对<sheets>标签，其中的每个<sheet>元素都代表Excel 2007文件中的一个，工作表的名称就是其name属性的值，这里有三个sheet。
xl/_rels/workbook.xml.rels定义每个sheetid对应的sheet内容文件sheet1.xml，共享的单元格内容文件sharedstring.xml,样式文件style.xml是当前单元格的样式字体，颜色等样式的xml配置。
Theme存放的是当前的设置导航栏的默认样式。这两个看看大概也就能明白。
关键我们看看下面每个sheet的内容格式，
打开一个sheet1.xml看看
<sheetData> <row r="1" spans="1:7" ht="33.75" customHeight="1"> row标签是表示每一行的数据，r表示第几行，其他几个都是这几行的样式 <c r="A1" s="9" t="s">c标签表示每个单元格的内容，这里A1 第一行的第一列，r表示位置，s表示这个单元格的样式， s=9对应style.xml的的index为9的样式即为这个单元格的样式，t=s表示这个单元格有值，里面的v标签即为值的id，id对应到sharedstring.xm里的id对应的值 <v>2</v> </c> <c r="B1" s="10" /> 没有t属性，表示这个单元格没有值设置 <c r="C1" s="10" /> <c r="D1" s="10" /> <c r="E1" s="10" /> <c r="F1" s="10" /> </row> <row r="2" spans="1:7" ht="27.75" customHeight="1"> 第二行 <c r="A2" s="3" t="s"> 第二行第二列 <v>1</v> </c> <c r="B2" s="4" t="s"> <v>5</v> </c> <c r="C2" s="3" t="s"> <v>0</v>
我们找到对应的第一行第一列的值索引为2对应到sharedStrings.xml里面的index的值，这里si从0开始，第三个即为index为2的值，刚好跟我们的excel的A1值符合<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="71" uniqueCount="13"> <si> <t>物料编号</t> <phoneticPr fontId="1" type="noConversion" /> </si> <si> <t>序号</t> <phoneticPr fontId="1" type="noConversion" /> </si> <si> <t>注意：请不要修改表中蓝色区域文字；带有*号字段是必填项；每张物料清单最多只能导入20条物料信息</t> <phoneticPr fontId="1" type="noConversion" /> </si>而A1的s=9对应的样式style.xml我们也看看，找到cellXfs里面的第9个，不过这里又引用fontid字体样式，borderid样式，numfmtId格式等
<cellXfs count="11"> ...... <xf numFmtId="0" fontId="0" fillId="3" borderId="1" xfId="0" applyFill="1" applyBorder="1"> <alignment vertical="center" /> </xf> <xf numFmtId="0" fontId="2" fillId="0" borderId="2" xfId="0" applyFont="1" applyBorder="1" applyAlignment="1"> <alignment horizontal="left" vertical="center" /> </xf> <xf numFmtId="0" fontId="0" fillId="0" borderId="3" xfId="0" applyBorder="1" applyAlignment="1"> <alignment horizontal="left" vertical="center" /> </xf> </cellXfs>最重要的是对于单元格的空值是没有v标签的，那么使用xml解析的时候就需要特别处理下，下面这个是官方示例程序，我做了修改，黄色部分是添加解析空单元格情况下座位默认空值添加到rowlist上，这样rowlist就完整了，不会因为一行空单元格就不往rowlist添加，造成无法判断是哪列为空，也无法验证某些列非必填下的判断。（使用的是POI）
那么xml怎么解析如下这个空单元格呢
<c r="C1" s="10" />
下面private boolean cellNull; 这个就是添加来判断是否为空单元格的
public class Excel2007Reader extends DefaultHandler { // 共享字符串表 private SharedStringsTable sst; // 上一次的内容 private String lastContents; private boolean nextIsString; private boolean cellNull; private int sheetIndex = -1; private List<String> rowlist = new ArrayList<String>(); // 当前行 private int curRow = 0; // 当前列 private int curCol = 0; private IRowReader rowReader; public void setRowReader(IRowReader rowReader) { this.rowReader = rowReader; } /** * 只遍历一个电子表格，其中sheetId为要遍历的sheet索引，从1开始，1-3 * * @param filename * @param sheetId * @throws Exception */ public void processOneSheet(String filename, int sheetId) throws Exception { OPCPackage pkg = OPCPackage.open(filename); XSSFReader r = new XSSFReader(pkg); SharedStringsTable sst = r.getSharedStringsTable(); XMLReader parser = fetchSheetParser(sst); // 根据 rId# 或 rSheet# 查找sheet InputStream sheet2 = r.getSheet("rId" + sheetId); sheetIndex++; InputSource sheetSource = new InputSource(sheet2); parser.parse(sheetSource); sheet2.close(); } public void process(InputStream inputStream) throws Exception { OPCPackage pkg = OPCPackage.open(inputStream); proccessintern(pkg); } /** * 遍历工作簿中所有的电子表格 * * @param filename * @throws Exception */ public void process(String filename) throws Exception { OPCPackage pkg = OPCPackage.open(filename); proccessintern(pkg); } private void proccessintern(OPCPackage pkg) throws IOException, OpenXML4JException, InvalidFormatException, SAXException { XSSFReader r = new XSSFReader(pkg); SharedStringsTable sst = r.getSharedStringsTable(); XMLReader parser = fetchSheetParser(sst); Iterator<InputStream> sheets = r.getSheetsData(); while (sheets.hasNext()) { curRow = 0; sheetIndex++; InputStream sheet = sheets.next(); InputSource sheetSource = new InputSource(sheet); parser.parse(sheetSource); sheet.close(); } } public XMLReader fetchSheetParser(SharedStringsTable sst) throws SAXException { XMLReader parser = XMLReaderFactory.createXMLReader("org.apache.xerces.parsers.SAXParser"); this.sst = sst; parser.setContentHandler(this); return parser; } public void startElement(String uri, String localName, String name, Attributes attributes) throws SAXException { // c => 单元格 if ("c".equals(name)) { // 如果下一个元素是 SST 的索引，则将nextIsString标记为true String cellType = attributes.getValue("t"); if ("s".equals(cellType)) { nextIsString = true; cellNull = false; } else { nextIsString = false; cellNull = true; } } // 置空 lastContents = ""; } public void endElement(String uri, String localName, String name) throws SAXException { // 根据SST的索引值的到单元格的真正要存储的字符串 // 这时characters()方法可能会被调用多次 if (nextIsString) { try { int idx = Integer.parseInt(lastContents); lastContents = new XSSFRichTextString(sst.getEntryAt(idx)).toString(); } catch (Exception e) { } } if ("v".equals(name) || "t".equals(name)) { String value = lastContents.trim(); value = value.equals("") ? " " : value; rowlist.add(curCol, value); curCol++; cellNull = false; }else if("c".equals(name) && cellNull == true){ rowlist.add(curCol, ""); curCol++; cellNull = false; } else { // 如果标签名称为 row ，这说明已到行尾，调用 optRows() 方法 if (name.equals("row")) { rowReader.getRows(sheetIndex, curRow, rowlist); rowlist.clear(); curRow++; curCol = 0; } } } public void characters(char[] ch, int start, int length) throws SAXException { // 得到单元格内容的值 lastContents += new String(ch, start, length); }}
另外：poi有几种解析excel的方式，如果把整个文档加载进去解析，那么可能会造成内存溢出（之前以前出过问题），所以可以使用这个xml事件驱动方式解析，内存使用率非常小。而使用buffered streaming只能写excel，读不支持。这是官网的几种方式的说明。
- Excel2007格式分析和XML解析
- POI解析excel2007和生成excel2007
- POI解析excel2007和生成excel2007
- 1.Excel2007文件的XML格式
- NPOI读取excel2003和excel2007格式
- Java解析word2007、Excel2003和Excel2007
- POI解析Excel(.xls)和Excel2007(.xlsx)
- Android解析xml和json格式数据
- 生成和解析XML格式的字符串
- Xml 格式数据的生成和解析
- xml格式的解析和转换
- Xml格式数据的生成和解析
- Xml 格式数据的生成和解析和 Pull 解析 Xml 格式数据
- PHP实现生成XML数据和解析XML格式数据
- excel2007：外表格式错误
- 解析XML格式数据
- NSXMLParser解析xml格式
- XML格式统一解析
- document.getElementById与getElementsByName的区别（注意后者多个S）
- ListView一些特殊属性
- 两个String类型集合的比对（或 两个表的比对）
- C#的元组Tuple类型
- poj 2291水题
- Excel2007格式分析和XML解析
- 【IPHONE开发-OBJECTC入门学习】文件的操作,读写复制文件
- cocos2d-x如何添加精灵动画（适合于2以上的版本）
- Fragment生命周期备忘
- 百度定位API，基站定位，WiFi定位，POST上传
- 面向对象设计原则：LisKov替换原则（LSP）
- Dvi转pdf 图片消失的问题
- Android WebView Memory Leak WebView内存泄漏
- Cracking the coding interview--Q9.7
