Java實現讀取html文本內容并按照格式導出到excel中

更新時間：2024年02月03日 11:16:52 作者：醬學編程

這篇文章主要為大家詳細介紹了如何使用Java實現讀取html文本提取相應內容按照格式導出到excel中,文中的示例代碼講解詳細,需要的可以參考下

            ............
        String text = Jsoup.parse(content).wholeText();
        // 解析字符串并將數據添加到表格
        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) {
        //對每一行數據進行處理，插入到Sheet中
               ............
                row = sheet.createRow(rowNum++);
                // 創(chuàng)建新行并填充數據
                row.createCell(0).setCellValue(entry[0].trim());
                row.createCell(1).setCellValue(entry[1].trim());
        }

        // 導出Excel
             ............ 
    }

1.利用Jsoup解析HTML文檔

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.14.3</version> <!-- 版本號可能需要根據實際情況調整 -->
</dependency>

Jsoup（發(fā)音為 “jay-soup”）是一款用于解析HTML文檔、從HTML中提取數據和操作HTML的Java庫。它提供了簡單而直觀的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庫解析HTML內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Jsoup的Document對象。Document對象表示整個HTML文檔。

2.wholeText(): 一旦解析為Document對象，然后調用wholeText()方法。這個方法用于獲取整個文檔的純文本內容，即去除HTML標簽后的文本信息。

解析出來的文檔里面包含了 /n 等轉義字符，可用于后續(xù)的字符處理

2.使用 Apache POI 庫創(chuàng)建Excel 文檔

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>5.2.0</version> <!-- 版本號可能需要根據實際情況調整 -->
</dependency>

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.0</version> <!-- 版本號可能需要根據實際情況調整 -->
</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 new XSSFWorkbook() 創(chuàng)建了一個 XSSFWorkbook 對象，XSSFWorkbook 是 Workbook 接口的一個實現，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 中的一個接口，表示 Excel 工作簿中的一個表單或工作表。

通過 workbook.createSheet(“Sheet”) 創(chuàng)建了一個名為 “Sheet” 的工作表。可以通過不同的工作表名稱創(chuàng)建多個工作表，每個工作表包含一組行和列，用于組織和存儲數據。

這段代碼創(chuàng)建了一個空的 Excel 工作簿，其中包含一個名為 “Sheet” 的工作表。一旦創(chuàng)建了工作簿和工作表，你可以通過 Apache POI 提供的 API 向工作表中添加數據、設置格式、創(chuàng)建圖表等。這樣你就能夠使用 Java 編程來生成、修改和操作 Excel 文檔。

3.按照一定規(guī)則插入表格數據

    row = sheet.createRow(rowNum++);
    // 創(chuàng)建新行并填充數據
    row.createCell(0).setCellValue(entry[0].trim());
    row.createCell(1).setCellValue(entry[1].trim());

4.導出excel

 /**
     * 將 Workbook 導出到 HttpServletResponse 輸出流
     *
     * @param workbook Excel Workbook 對象
     * @param fileName 導出文件名
     */
    public void exportToResponse(Workbook workbook, String fileName) {
        try {
            // 設置響應頭
            httpServletResponse.setContentType("application/octet-stream");
            httpServletResponse.setHeader("Content-Disposition", "attachment; filename=" + fileName);

            // 將 Workbook 寫入 HttpServletResponse 的輸出流
            workbook.write(httpServletResponse.getOutputStream());
            workbook.close();

            // 刷新響應
            httpServletResponse.flushBuffer();
        } catch (IOException e) {
            // 處理異常
            log.error("導出文件{}失敗", fileName);
            throw new BusinessException(BusinessError.EXPORT_FILE_FAIL);
        }
    }

代碼解析：

httpServletResponse.setContentType(“application/octet-stream”);：

通過 setContentType 方法設置響應的內容類型。在這里，設置為 application/octet-stream，表示二進制流數據。這個 MIME 類型通常用于下載文件，因為它指示瀏覽器應該處理響應的數據作為二進制流而不是嘗試解析它。

httpServletResponse.setHeader(“Content-Disposition”, “attachment; filename=” + fileName);：

通過 setHeader 方法設置響應頭的屬性。在這里，設置了 Content-Disposition 屬性。

Content-Disposition 屬性指示瀏覽器如何處理響應體。在這個上下文中，attachment 表示要將響應作為附件下載，而不是直接在瀏覽器中打開。filename 參數用于指定下載的文件名。

filename= 后面的部分是具體的文件名，通常是服務器上的文件名或者用戶在下載時看到的文件名。

workbook.write(httpServletResponse.getOutputStream());：

使用 Excel Workbook 對象的 write 方法將 Workbook 寫入 HttpServletResponse 的輸出流。這樣，Excel 數據就會以二進制流的形式發(fā)送到客戶端。

workbook.close();

關閉 Workbook 對象，釋放資源。

httpServletResponse.flushBuffer();