POI3.8组件研究（五）---excel文件内容抽取为文本

对于将 Excel 文件内容抽取为文本，可以使用 Apache POI 库中的 HSSF 和 XSSF 两个类来实现。

HSSF（Horrible SpreadSheet Format）用于处理 Excel 97-2003 文件格式，即 .xls 文件；XSSF（XML SpreadSheet Format）则用于处理 Excel 2007 及以上版本的文件格式，即 .xlsx 文件。

下面是一个使用 HSSF 和 XSSF 分别读取 .xls 和 .xlsx 文件并将内容抽取为文本的示例代码：

import java.io.FileInputStream;
import java.io.IOException;

import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.apache.poi.ss.usermodel.CellType;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;

public class ExcelReader {
    public static void main(String[] args) {
        String fileName = "example.xlsx"; // Excel 文件名
        Workbook workbook = null;
        try {
            FileInputStream fileInputStream = new FileInputStream(fileName);
            if (fileName.endsWith(".xls")) {
                workbook = new HSSFWorkbook(fileInputStream);
            } else if (fileName.endsWith(".xlsx")) {
                workbook = new XSSFWorkbook(fileInputStream);
            }
            Sheet sheet = workbook.getSheetAt(0); // 获取第一个 Sheet
            int rowCount = sheet.getLastRowNum() + 1; // 获取行数
            int colCount = sheet.getRow(0).getLastCellNum(); // 获取列数
            for (int i = 0; i < rowCount; i++) {
                for (int j = 0; j < colCount; j++) {
                    if (sheet.getRow(i).getCell(j) != null) {
                        sheet.getRow(i).getCell(j).setCellType(CellType.STRING); // 将单元格数据全部转换为字符串类型
                        System.out.print(sheet.getRow(i).getCell(j).getStringCellValue() + "\t"); // 输出单元格内容并用制表符分隔
                    }
                }
                System.out.println(); // 换行
            }
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (workbook != null) {
                try {
                    workbook.close(); // 关闭 Workbook
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

上述代码中，首先根据文件名的后缀选择使用 HSSF 或 XSSF 创建 Workbook 对象，然后获取第一个 Sheet，并分别获取行数和列数。接着使用两个 for 循环遍历所有单元格，并将单元格内容转换为字符串类型并输出，其中使用制表符分隔每个单元格内容，并在每行末尾换行输出。最后在 finally 块中关闭 Workbook 对象。

需要注意的是，本例中将所有单元格内容都转换为字符串类型输出，这是因为不同类型的单元格可能会有不同的输出方式。如果需要根据单元格类型进行不同的处理，可以使用 Cell 的 `getCellType()` 方法获取单元格类型，并根据不同类型进行不同处理。