让POI架起Java与Office之间的桥梁二

　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.");
　　}
　　}
　　}

查看本文来源