cuiqunhao / dataparser

通用表格数据解析和导出工具，支持xls、xlsx、doc、docx、csv、html、xml、txt、stream等形式。

dataParser

通用表格数据解析工具

支持xls、xlsx、doc、docx、csv、html、xml、txt形式的数据源，也支持InputStream解析，并且支持在较低内存占用下完成超大xlsx文件的解析。

支持导出xls、xlsx、csv、html、xml、txt等数据格式，也支持OutputStream输出。

支持jdk1.5及以上版本，jdk1.5需额外导入javax包，否则解析xlsx会报错。

doc和docx文件只解析遇到的第一个表格。

代码目录

1. lib：依赖的jar
2. files：示例文件
3. samples：示例代码
4. captures：截图
5. data-parser.jar 最新的，项目中直接用这个jar（当然还得引用依赖的jar）

更新日志

1. 20160925 新增支持txt数据解析（含示例代码及文件）
2. 20170608 增强xlsx读取日期格式的兼容性
3. 20170727 优化代码；增加通用表格导出功能
4. 20171011 新增doc、docx数据解析（含示例代码及文件）；新增自动判定csv、html、xml、txt文件及输入流编码；html及doc格式支持跨行跨列解析。
5. 20171128 分拆导出功能；支持数字类型、边框，列宽、行高等导出设置。
6. 20171222 修复xls中某些数字格式解析精度问题，包括科学计数法的还原(但身份证号等过长的数字类型可能会出错，建议使用字符串格式)。

示例

待解析excel内容

	A	B	C	D	E
1	序号	姓名	性别	年龄	民族
2	1	张三	男	20	汉族
3	2	李四	女	18	汉族
4	3	王二	男	30	满族

解析示例

//所有资源的解析都统一按以下几步走哦

//待解析资源，支持xls、xlsx、csv、html、xml、txt、inputStream
File file = new File("test.xls");

//自定义解析规则，这里使用列对应字母，数据Block从第1行开始（行从0开始计）
IParserRule rule = new ParserRuleLetter(1,"A","E");

//通过工厂获取解析器接口
IParser parser = ParserFactory.getInstance().getParser(file,rule);

//循环读取所有Block
Block block = null;
while(null!=(block = parser.nextBlock())){
  //显示Item内容
  System.out.print(block.getItemContent("A"));
  System.out.print("\t");
  System.out.print(block.getItemContent("B"));
  System.out.print("\t");
  System.out.print(block.getItemContent("C"));
  System.out.print("\t");
  System.out.print(block.getItemContent("D"));
  System.out.print("\t");
  System.out.println(block.getItemContent("E"));
  System.out.println("_____________________________________");
}

输出结果

1 张三  男 20  汉族
_____________________________________
2 李四  女 18  汉族
_____________________________________
3 王二  男 30  满族
_____________________________________

导出示例

//待导出目标，支持xls、xlsx、csv、html、xml、txt、outputStream
File file = new File("D:\\test.xls");

//自定义导出规则，这里使用列对应字母，数据Block从第1行开始（行从0开始计）
IWrapperRule rule = new WrapperRuleLetter(0,"A","D");

//通过工厂获取封装器接口
IWrapper wrapper = WrapperFactory.getInstance().getWrapper("xls",file,rule);

//写数据块
Block head = new Block(BlockType.body);
head.addItemContent("A","姓名");
head.addItemContent("B","性别");
head.addItemContent("C","年龄");
head.addItemContent("D","民族");
wrapper.writeBlock(head);

Block row = new Block(BlockType.body);
row.addItemContent("A","张三");
row.addItemContent("B","男");
row.addItemContent("C","20");
row.addItemContent("D","汉");
wrapper.writeBlock(row);

row = new Block(BlockType.body);
row.addItemContent("A","李四");
row.addItemContent("B","女");
row.addItemContent("C","18");
row.addItemContent("D","汉");
wrapper.writeBlock(row);

//写入null块终止
wrapper.writeBlock(null);

定义

1. Block块

每一条独立的信息记录定义为Block，一个表格中一般会有N个Block,下图中框起来的视为一个Block。Block目前支持三种类型：1、表头Block（head），2、数据Block（body），3、fragment中的数据Block（body_in_fragment）。如下图中，从序号为1的记录开始的3个Block，即为数据Block；从表格第一行直到遇到数据行之间的部分，统一划入一个表头Block；fragment中的数据Block见下方另行说明。

单行Block示例：

多行Block示例：

2. Item格子

每一个独立的单元格定义为Item，下图中框起来的都视为Item，一个Block中通常会有N个Item。

3. Fragment分片

一个Block中可能会存在一块或多块相对独立的区域，这个区域中有多个小的Block，这些小Block用专门的类型以便与大Block区分（即body_in_fragment），这个区域定义为Fragment，下图中框起来的都是Fragment。