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。

评论 (0) All

登陆 还没注册？