Apache POI 读取 Microsoft Office Excel 文档

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。