Java實(shí)現(xiàn)讀取html文本內(nèi)容并按照格式導(dǎo)出到excel中
最近在做一個(gè)需求,需要將html文本中的內(nèi)容提取出來(lái),然后導(dǎo)出到excel里面,實(shí)現(xiàn)交代情景,html文本中存在許多標(biāo)簽,且很亂,因此需要之間將標(biāo)簽里面的文本提取出來(lái),再進(jìn)行處理。
............ String text = Jsoup.parse(content).wholeText(); // 解析字符串并將數(shù)據(jù)添加到表格 String[] dataArray = text.split("\n"); // 創(chuàng)建Excel工作簿和工作表 Workbook workbook = new XSSFWorkbook(); Sheet sheet = workbook.createSheet("Sheet"); int rowNum = 0; Row row = null; for (String data : dataArray) { //對(duì)每一行數(shù)據(jù)進(jìn)行處理,插入到Sheet中 ............ row = sheet.createRow(rowNum++); // 創(chuàng)建新行并填充數(shù)據(jù) row.createCell(0).setCellValue(entry[0].trim()); row.createCell(1).setCellValue(entry[1].trim()); } // 導(dǎo)出Excel ............ }
1.利用Jsoup解析HTML文檔
<dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.14.3</version> <!-- 版本號(hào)可能需要根據(jù)實(shí)際情況調(diào)整 --> </dependency>
Jsoup(發(fā)音為 “jay-soup”)是一款用于解析HTML文檔、從HTML中提取數(shù)據(jù)和操作HTML的Java庫(kù)。它提供了簡(jiǎn)單而直觀的API,使得在Java中處理HTML變得非常容易。
Jsoup.parse(content).wholeText(); 這行代碼是使用Jsoup庫(kù)解析HTML內(nèi)容并提取其中的純文本信息。
1.Jsoup.parse(content): 這部分代碼使用Jsoup的parse方法,將傳入的content字符串解析為一個(gè)Jsoup的Document對(duì)象。Document對(duì)象表示整個(gè)HTML文檔。
2.wholeText(): 一旦解析為Document對(duì)象,然后調(diào)用wholeText()方法。這個(gè)方法用于獲取整個(gè)文檔的純文本內(nèi)容,即去除HTML標(biāo)簽后的文本信息。
解析出來(lái)的文檔里面包含了 /n 等轉(zhuǎn)義字符,可用于后續(xù)的字符處理
2.使用 Apache POI 庫(kù)創(chuàng)建Excel 文檔
<dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>5.2.0</version> <!-- 版本號(hào)可能需要根據(jù)實(shí)際情況調(diào)整 --> </dependency> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-ooxml</artifactId> <version>5.2.0</version> <!-- 版本號(hào)可能需要根據(jù)實(shí)際情況調(diào)整 --> </dependency>
// 創(chuàng)建Excel工作簿和工作表 Workbook workbook = new XSSFWorkbook(); Sheet sheet = workbook.createSheet("Sheet");
Workbook 類:
Workbook 是 Apache POI 中表示 Excel 工作簿(Workbook)的接口。
在這里,通過(guò) new XSSFWorkbook() 創(chuàng)建了一個(gè) XSSFWorkbook 對(duì)象,XSSFWorkbook 是 Workbook 接口的一個(gè)實(shí)現(xiàn),用于處理基于 XML 格式的 .xlsx 文件(Excel 2007及以上版本)。
Sheet 類:
Sheet 是 Workbook 中的一個(gè)接口,表示 Excel 工作簿中的一個(gè)表單或工作表。
通過(guò) workbook.createSheet(“Sheet”) 創(chuàng)建了一個(gè)名為 “Sheet” 的工作表??梢酝ㄟ^(guò)不同的工作表名稱創(chuàng)建多個(gè)工作表,每個(gè)工作表包含一組行和列,用于組織和存儲(chǔ)數(shù)據(jù)。
這段代碼創(chuàng)建了一個(gè)空的 Excel 工作簿,其中包含一個(gè)名為 “Sheet” 的工作表。一旦創(chuàng)建了工作簿和工作表,你可以通過(guò) Apache POI 提供的 API 向工作表中添加數(shù)據(jù)、設(shè)置格式、創(chuàng)建圖表等。這樣你就能夠使用 Java 編程來(lái)生成、修改和操作 Excel 文檔。
3.按照一定規(guī)則插入表格數(shù)據(jù)
row = sheet.createRow(rowNum++); // 創(chuàng)建新行并填充數(shù)據(jù) row.createCell(0).setCellValue(entry[0].trim()); row.createCell(1).setCellValue(entry[1].trim());
4.導(dǎo)出excel
/** * 將 Workbook 導(dǎo)出到 HttpServletResponse 輸出流 * * @param workbook Excel Workbook 對(duì)象 * @param fileName 導(dǎo)出文件名 */ public void exportToResponse(Workbook workbook, String fileName) { try { // 設(shè)置響應(yīng)頭 httpServletResponse.setContentType("application/octet-stream"); httpServletResponse.setHeader("Content-Disposition", "attachment; filename=" + fileName); // 將 Workbook 寫(xiě)入 HttpServletResponse 的輸出流 workbook.write(httpServletResponse.getOutputStream()); workbook.close(); // 刷新響應(yīng) httpServletResponse.flushBuffer(); } catch (IOException e) { // 處理異常 log.error("導(dǎo)出文件{}失敗", fileName); throw new BusinessException(BusinessError.EXPORT_FILE_FAIL); } }
代碼解析:
httpServletResponse.setContentType(“application/octet-stream”);:
通過(guò) setContentType 方法設(shè)置響應(yīng)的內(nèi)容類型。在這里,設(shè)置為 application/octet-stream,表示二進(jìn)制流數(shù)據(jù)。這個(gè) MIME 類型通常用于下載文件,因?yàn)樗甘緸g覽器應(yīng)該處理響應(yīng)的數(shù)據(jù)作為二進(jìn)制流而不是嘗試解析它。
httpServletResponse.setHeader(“Content-Disposition”, “attachment; filename=” + fileName);:
通過(guò) setHeader 方法設(shè)置響應(yīng)頭的屬性。在這里,設(shè)置了 Content-Disposition 屬性。
Content-Disposition 屬性指示瀏覽器如何處理響應(yīng)體。在這個(gè)上下文中,attachment 表示要將響應(yīng)作為附件下載,而不是直接在瀏覽器中打開(kāi)。filename 參數(shù)用于指定下載的文件名。
filename= 后面的部分是具體的文件名,通常是服務(wù)器上的文件名或者用戶在下載時(shí)看到的文件名。
workbook.write(httpServletResponse.getOutputStream());:
使用 Excel Workbook 對(duì)象的 write 方法將 Workbook 寫(xiě)入 HttpServletResponse 的輸出流。這樣,Excel 數(shù)據(jù)就會(huì)以二進(jìn)制流的形式發(fā)送到客戶端。
workbook.close();
關(guān)閉 Workbook 對(duì)象,釋放資源。
httpServletResponse.flushBuffer();
刷新響應(yīng)的緩沖區(qū),確保所有的數(shù)據(jù)都被寫(xiě)入到輸出流。
以上就是Java實(shí)現(xiàn)讀取html文本內(nèi)容并按照格式導(dǎo)出到excel中的詳細(xì)內(nèi)容,更多關(guān)于Java讀取html文本內(nèi)容的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Java下載Excel模板文件的簡(jiǎn)單實(shí)現(xiàn)方法
這篇文章主要給大家介紹了關(guān)于Java下載Excel模板文件的簡(jiǎn)單實(shí)現(xiàn)方法,日常工作中可能經(jīng)常會(huì)涉及到用java開(kāi)發(fā)報(bào)表,需求比較多的就是表格類的報(bào)表導(dǎo)出,單元格合并,圖表的展現(xiàn),需要的朋友可以參考下2023-07-07SpringBoot中實(shí)現(xiàn)訂單30分鐘自動(dòng)取消的項(xiàng)目實(shí)踐
現(xiàn)在電子商務(wù)平臺(tái)上訂單創(chuàng)建成功,等待支付,一般會(huì)給30分鐘的時(shí)間,本文主要介紹了SpringBoot中實(shí)現(xiàn)訂單30分鐘自動(dòng)取消的項(xiàng)目實(shí)踐,具有一定的參考價(jià)值,感興趣的可以了解一下2023-10-10解析探秘fescar分布式事務(wù)實(shí)現(xiàn)原理
這篇文章主要為大家解析探秘fescar分布式事務(wù)的實(shí)現(xiàn)原理,fescar的txc模型實(shí)現(xiàn)非常有研究的價(jià)值,所以今天我們來(lái)好好翻一翻fescar項(xiàng)目的代碼2022-02-02springboot2.0.0配置多數(shù)據(jù)源出現(xiàn)jdbcUrl is required with driverClassN
這篇文章主要介紹了springboot2.0.0配置多數(shù)據(jù)源出現(xiàn)jdbcUrl is required with driverClassName的錯(cuò)誤,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11Spring Boot加密配置文件特殊內(nèi)容的示例代碼詳解
這篇文章主要介紹了Spring Boot加密配置文件特殊內(nèi)容的相關(guān)知識(shí),本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-05-05Java攔截過(guò)濾器模式 (Intercepting Filter )實(shí)現(xiàn)方法
攔截過(guò)濾器模式(Intercepting Filter Pattern)用于對(duì)應(yīng)用程序的請(qǐng)求或響應(yīng)做一些預(yù)處理/后處理,本文通過(guò)實(shí)例代碼介紹Java攔截過(guò)濾器模式 (Intercepting Filter )的相關(guān)知識(shí),感興趣的朋友跟隨小編一起看看吧2024-03-03Spring擴(kuò)展BeanFactoryPostProcessor使用技巧詳解
這篇文章主要為大家介紹了Spring擴(kuò)展BeanFactoryPostProcessor使用技巧詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-09-09Java為什么使用補(bǔ)碼進(jìn)行計(jì)算的原因分析
這篇文章主要介紹了Java為什么使用補(bǔ)碼進(jìn)行計(jì)算的原因分析,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-08-08