對(duì)于處理文件，我們介紹了流的方式，57節(jié)介紹了字節(jié)流，58節(jié)介紹了字符流，同時(shí)，也介紹了比較底層的操作文件的方式，60節(jié)介紹了隨機(jī)讀寫文件，61節(jié)介紹了內(nèi)存映射文件，我們也介紹了對(duì)象的序列化/反序列化機(jī)制，62節(jié)介紹了Java標(biāo)準(zhǔn)的序列化，63節(jié)介紹了如何用Jackson處理其他序列化格式如XML/JSON和MessagePack。
在日常編程中，我們還經(jīng)常會(huì)需要處理一些具體類型的文件，如CSV, Excel, HTML，直接使用前面幾節(jié)介紹的方式來處理一般是很不方便的，往往有一些第三方的類庫，基于之前介紹的技術(shù)，提供了更為方便易用的接口。
本節(jié)，我們就來簡要介紹如何利用Java SDK和一些第三方類庫，來處理如下五種類型的文件：
屬性文件：屬性文件是常見的配置文件，用于在不改變代碼的情況下改變程序的行為。
CSV：CSV是Comma-Separated Values的縮寫，表示逗號(hào)分割值，是一種非常常見的文件類型，大部分日志文件都是CSV，CSV也經(jīng)常用于交換表格類型的數(shù)據(jù)，待會(huì)我們會(huì)看到，CSV看上去很簡單但處理的復(fù)雜性經(jīng)常被低估。
Excel：Excel大家都知道，在編程中，經(jīng)常需要將表格類型的數(shù)據(jù)導(dǎo)出為Excel格式，以方便用戶查看，也經(jīng)常需要接受Excel類型的文件作為輸入以批量導(dǎo)入數(shù)據(jù)。
HTML：所有網(wǎng)頁都是HTML格式，我們經(jīng)常需要分析HTML網(wǎng)頁，以從中提取感興趣的信息。
壓縮文件：壓縮文件有多種格式，也有很多壓縮工具，大部分情況下，我們可以借助工具而不需要自己寫程序處理壓縮文件，但某些情況，需要自己編程壓縮文件或解壓縮文件。
屬性文件
屬性文件一般很簡單，一行表示一個(gè)屬性，屬性就是鍵值對(duì)，鍵和值用等號(hào)(=)或冒號(hào)(:)分隔，一般用于配置程序的一些參數(shù)。比如，在需要連接數(shù)據(jù)庫的程序中，經(jīng)常使用配置文件配置數(shù)據(jù)庫信息，比如，有這么個(gè)文件config.properties，內(nèi)容大概如下所示：
db.host = 192.168.10.100db.port : 3306db.username = zhangsan db.password = mima1234
處理這種文件使用字符流也是比較容易的，但Java中有一個(gè)專門的類java.util.Properties，它的使用也很簡單，有如下主要方法：
public synchronized void load(InputStream inStream)public String getProperty(String key)public String getProperty(String key, String defaultValue)
load用于從流中加載屬性，getProperty用于獲取屬性值，可以提供一個(gè)默認(rèn)值，如果沒有找到配置的值，則返回默認(rèn)值。對(duì)于上面的配置文件，可以使用類似下面的代碼進(jìn)行讀?。?/p>
Properties prop = new Properties();
prop.load(new FileInputStream("config.properties"));
String host = prop.getProperty("db.host");int port = Integer.valueOf(prop.getProperty("db.port", "3306"));使用類Properties處理屬性文件的好處是：
可以自動(dòng)處理空格，我們看到分隔符=前后的空格會(huì)被自動(dòng)忽略
可以自動(dòng)忽略空行
可以添加注釋，以字符#或!開頭的行會(huì)被視為注釋，進(jìn)行忽略
不過，使用Properties也有限制，它不能直接處理中文，在配置文件中，所有非ASCII字符需要使用Unicode編碼，比如，不能在配置文件中直接這么寫：
name=老馬
"老馬"需要替換為Unicode編碼，如下所示：
name=\u8001\u9A6C
在Java IDE如Eclipse中，如果使用屬性文件編輯器，它會(huì)自動(dòng)替換中文為Unicode編碼，如果使用其他編輯器，可以先寫成中文，然后使用JDK提供的命令native2ascii轉(zhuǎn)換為Unicode編碼，用法如下例所示：
native2ascii -encoding UTF-8 native.properties ascii.properties
native.properties是輸入，其中包含中文，ascii.properties是輸出，中文替換為了Unicode編碼，-encoding指定輸入文件的編碼，這里指定為了UTF-8。
CSV文件
CSV是Comma-Separated Values的縮寫，表示逗號(hào)分割值，一般而言，一行表示一條記錄，一條記錄包含多個(gè)字段，字段之間用逗號(hào)分隔。不過，一般而言，分隔符不一定是逗號(hào)，可能是其他字符如tab符'\t'、冒號(hào)':',分號(hào)';'等。程序中的各種日志文件通常是CSV文件，在導(dǎo)入導(dǎo)出表格類型的數(shù)據(jù)時(shí)，CSV也是經(jīng)常用的一種格式。
CSV格式看上去很簡單，比如，我們?cè)?a target="_blank" style="text-decoration-line: none; color: rgb(51, 153, 255);">58節(jié)保存學(xué)生列表時(shí)，使用的就是CSV格式，如下所示：
張三,18,80.9李四,17,67.5
使用之前介紹的字符流，看上去就可以很容易處理CSV文件，按行讀取，對(duì)每一行，使用String.split進(jìn)行分割即可。但其實(shí)CSV有一些復(fù)雜的地方，最重要的是：
字段內(nèi)容中包含分割符怎么辦？
字段內(nèi)容中包含換行符怎么辦？
對(duì)于這些問題，CSV有一個(gè)參考標(biāo)準(zhǔn)，RFC-4180，https://tools.ietf.org/html/rfc4180，但實(shí)踐中不同程序往往有其他處理方式，所幸的是，處理方式大體類似，大概有兩種處理方式：
使用引用符號(hào)比如"，在字段內(nèi)容兩邊加上"，如果內(nèi)容中包含"本身，則使用兩個(gè)"
使用轉(zhuǎn)義字符，常用的是\，如果內(nèi)容中包含\，則使用兩個(gè)\
比如，如果字段內(nèi)容有兩行，內(nèi)容為：
hello, world \ abc"老馬"
使用第一種方式，內(nèi)容會(huì)變?yōu)椋?/p>
"hello, world \ abc""老馬"""
使用第二種方式，內(nèi)容會(huì)變?yōu)椋?/p>
hello\, world \\ abc\n"老馬"
CSV還有其他一些細(xì)節(jié)，不同程序的處理方式也不一樣，比如：
怎么表示null值？
空行和字段之間的空格怎么處理？
怎么表示注釋？
由于以上這些復(fù)雜問題，使用簡單的字符流就難以處理了。有一個(gè)第三方類庫，Apache Commons CSV，對(duì)處理CSV提供了良好的支持，它的官網(wǎng)地址是：http://commons.apache.org/proper/commons-csv/index.html
本節(jié)使用其1.4版本，簡要介紹其用法。如果使用Maven管理項(xiàng)目，可引入以下文件中的依賴：https://github.com/swiftma/program-logic/blob/master/csv_lib/dependencies.xml。如果非Maven，可從下面地址下載依賴庫：https://github.com/swiftma/program-logic/tree/master/csv_lib
Apache Commons CSV中有一個(gè)重要的類CSVFormat，它表示CSV格式，它有很多方法以定義具體的CSV格式，如：
//定義分隔符public CSVFormat withDelimiter(final char delimiter)//定義引號(hào)符public CSVFormat withQuote(final char quoteChar)//定義轉(zhuǎn)義符public CSVFormat withEscape(final char escape)//定義值為null的對(duì)象對(duì)應(yīng)的字符串值public CSVFormat withNullString(final String nullString)//定義記錄之間的分隔符public CSVFormat withRecordSeparator(final char recordSeparator)//定義是否忽略字段之間的空白public CSVFormat withIgnoreSurroundingSpaces(final boolean ignoreSurroundingSpaces)
比如，如果CSV格式定義為：使用分號(hào);作為分隔符，"作為引號(hào)符，使用N/A表示null對(duì)象，忽略字段之間的空白，CSVFormat可以這樣創(chuàng)建：
CSVFormat format = CSVFormat.newFormat(';')
.withQuote('"').withNullString("N/A")
.withIgnoreSurroundingSpaces(true);除了自定義CSVFormat，CSVFormat類中也定義了一些預(yù)定義的格式，如：CSVFormat.DEFAULT, CSVFormat.RFC4180。
CSVFormat有一個(gè)方法，可以分析字符流：
public CSVParser parse(final Reader in) throws IOException
返回值類型為CSVParser，它有如下方法獲取記錄信息：
public Iterator<CSVRecord> iterator()public List<CSVRecord> getRecords() throws IOExceptionpublic long getRecordNumber()
CSVRecord表示一條記錄，它有如下方法獲取每個(gè)字段的信息：
//根據(jù)字段列索引獲取值，索引從0開始public String get(final int i)//根據(jù)列名獲取值public String get(final String name)//字段個(gè)數(shù)public int size()//字段的迭代器public Iterator<String> iterator()
分析CSV文件的基本代碼如下所示：
CSVFormat format = CSVFormat.newFormat(';')
.withQuote('"').withNullString("N/A")
.withIgnoreSurroundingSpaces(true);
Reader reader = new FileReader("student.csv");try{ for(CSVRecord record : format.parse(reader)){ int fieldNum = record.size(); for(int i=0; i<fieldNum; i++){
System.out.print(record.get(i)+" ");
}
System.out.println();
}
}finally{
reader.close();
}
除了分析CSV文件，Apache Commons CSV也可以寫CSV文件，有一個(gè)CSVPrinter，它有很多打印方法，比如：
//輸出一條記錄，參數(shù)可變，每個(gè)參數(shù)是一個(gè)字段值public void printRecord(final Object... values) throws IOException//輸出一條記錄public void printRecord(final Iterable<?> values) throws IOException
看個(gè)代碼示例：
CSVPrinter out = new CSVPrinter(new FileWriter("student.csv"),
CSVFormat.DEFAULT);
out.printRecord("老馬", 18, "看電影,看書,聽音樂");
out.printRecord("小馬", 16, "樂高;賽車;");
out.close();輸出文件student.csv中的內(nèi)容為：
"老馬",18,"看電影,看書,聽音樂" "小馬",16,樂高;賽車;
Excel
Excel主要有兩種格式，后綴名分別為.xls和.xlsx，.xlsx是Office 2007以后的默認(rèn)擴(kuò)展名。Java中處理Excel文件及其他微軟文檔廣泛使用POI類庫，其官網(wǎng)是http://poi.apache.org/。
本節(jié)使用其3.15版本，簡要介紹其用法。如果使用Maven管理項(xiàng)目，可引入以下文件中的依賴：https://github.com/swiftma/program-logic/blob/master/excel_lib/dependencies.xml。如果非Maven，可從下面地址下載依賴庫：https://github.com/swiftma/program-logic/tree/master/excel_lib
使用POI處理Excel文件，有如下主要類:
Workbook: 表示一個(gè)Excel文件對(duì)象，它是一個(gè)接口，有兩個(gè)主要類HSSFWorkbook和XSSFWorkbook，前者對(duì)應(yīng).xls格式，后者對(duì)應(yīng).xlsx格式。
Sheet: 表示一個(gè)工作表
Row: 表示一行
Cell: 表示一個(gè)單元格
比如，保存學(xué)生列表到student.xls，代碼可以為：
public static void saveAsExcel(List<Student> list) throws IOException {
Workbook wb = new HSSFWorkbook();
Sheet sheet = wb.createSheet(); for (int i = 0; i < list.size(); i++) {
Student student = list.get(i);
Row row = sheet.createRow(i);
row.createCell(0).setCellValue(student.getName());
row.createCell(1).setCellValue(student.getAge());
row.createCell(2).setCellValue(student.getScore());
}
OutputStream out = new FileOutputStream("student.xls");
wb.write(out);
out.close();
wb.close();
}
如果要保存為.xlsx格式，只需要替換第一行為：
Workbook wb = new XSSFWorkbook();
使用POI也可以方便的解析Excel文件，使用WorkbookFactory的create方法即可，如下所示：
public static List<Student> readAsExcel() throws Exception {
Workbook wb = WorkbookFactory.create(new File("student.xls"));
List<Student> list = new ArrayList<Student>(); for(Sheet sheet : wb){ for(Row row : sheet){
String name = row.getCell(0).getStringCellValue(); int age = (int)row.getCell(1).getNumericCellValue(); double score = row.getCell(2).getNumericCellValue();
list.add(new Student(name, age, score));
}
}
wb.close(); return list;
}
以上我們只是介紹了基本用法，如果需要更多信息，如配置單元格的格式、顏色、字體，可參看http://poi.apache.org/spreadsheet/quick-guide.html。
HTML
HTML是網(wǎng)頁的格式，如果不熟悉，可以參看http://www.w3school.com.cn/html/html_intro.asp。在日常工作中，可能需要分析HTML頁面，抽取其中感興趣的信息。有很多HTML分析器，我們簡要介紹一種，jsoup，其官網(wǎng)地址為https://jsoup.org/。
本節(jié)使用其1.10.2版本。如果使用Maven管理項(xiàng)目，可引入以下文件中的依賴：https://github.com/swiftma/program-logic/blob/master/html_lib/dependencies.xml。如果非Maven，可從下面地址下載依賴庫：https://github.com/swiftma/program-logic/tree/master/html_lib。
我們通過一個(gè)簡單例子來看jsoup的使用，我們要分析的網(wǎng)頁地址是：http://www.cnblogs.com/swiftma/p/5631311.html
瀏覽器中看起來的樣子是這樣的(部分截圖)：
將網(wǎng)頁保存下來，其HTML代碼看上去是這樣的(部分截圖)：
假定我們要抽取網(wǎng)頁主題內(nèi)容中每篇文章的標(biāo)題和鏈接，怎么實(shí)現(xiàn)呢？jsoup支持使用CSS選擇器語法查找元素，如果不了解CSS選擇器，可參看http://www.w3school.com.cn/cssref/css_selectors.asp。
定位文章列表的CSS選擇器可以是
#cnblogs_post_body p a
我們來看代碼(假定文件為articles.html)：
Document doc = Jsoup.parse(new File("articles.html"), "UTF-8");
Elements elements = doc.select("#cnblogs_post_body p a");for(Element e : elements){
String title = e.text();
String href = e.attr("href");
System.out.println(title+", "+href);
}
輸出為(部分)：
計(jì)算機(jī)程序的思維邏輯 (1) - 數(shù)據(jù)和變量, http://www.cnblogs.com/swiftma/p/5396551.html計(jì)算機(jī)程序的思維邏輯 (2) - 賦值, http://www.cnblogs.com/swiftma/p/5399315.html
jsoup也可以直接連接URL進(jìn)行分析，比如，上面代碼的第一行可以替換為：
String url = "http://www.cnblogs.com/swiftma/p/5631311.html"; Document doc = Jsoup.connect(url).get();
關(guān)于jsoup的更多用法，請(qǐng)參看其官網(wǎng)。
壓縮文件
壓縮文件有多種格式，Java SDK支持兩種：gzip和zip，gzip只能壓縮一個(gè)文件，而zip文件中可以包含多個(gè)文件。下面我們介紹Java SDK中的基本用法，如果需要更多格式，可以考慮Apache Commons Compress：http://commons.apache.org/proper/commons-compress/
先來看gzip，有兩個(gè)主要的類：
java.util.zip.GZIPOutputStream java.util.zip.GZIPInputStream
它們分別是OutputStream和InputStream的子類，都是裝飾類，GZIPOutputStream加到已有的流上，就可以實(shí)現(xiàn)壓縮，而GZIPInputStream加到已有的流上，就可以實(shí)現(xiàn)解壓縮。比如，壓縮一個(gè)文件的代碼可以為：
public static void gzip(String fileName) throws IOException {
InputStream in = null;
String gzipFileName = fileName + ".gz";
OutputStream out = null; try {
in = new BufferedInputStream(new FileInputStream(fileName));
out = new GZIPOutputStream(new BufferedOutputStream( new FileOutputStream(gzipFileName)));
copy(in, out);
} finally { if (out != null) {
out.close();
} if (in != null) {
in.close();
}
}
}
調(diào)用的copy方法是我們?cè)?a target="_blank" style="text-decoration-line: none; color: rgb(51, 153, 255);">57節(jié)介紹的。解壓縮文件的代碼可以為：
public static void gunzip(String gzipFileName, String unzipFileName) throws IOException {
InputStream in = null;
OutputStream out = null; try {
in = new GZIPInputStream(new BufferedInputStream( new FileInputStream(gzipFileName)));
out = new BufferedOutputStream(new FileOutputStream(
unzipFileName));
copy(in, out);
} finally { if (out != null) {
out.close();
} if (in != null) {
in.close();
}
}
}
http://www.cnblogs.com/swiftma/p/6379834.html
延伸閱讀
- x86_64的內(nèi)存映射 2017-03-03
- ubuntu 16.04 的64位 安裝arm-none-linux-gnueabi-gcc的步驟和問題解決 2017-02-04
- Win7 32/64以上隱藏托盤圖標(biāo) 2016-12-22
- CentOS6.5_64位系統(tǒng)下安裝配置postfix郵件系統(tǒng) 啟用并配置SMTP在第三方上邊使用發(fā)送郵件 2016-11-23
- windows 64位 mysql-5.6.11-winx64.zip安裝 2014-10-11
CentOS6.5_64位系統(tǒng)下安裝配置postfix郵件系統(tǒng) 啟用并配置SMTP在第三方上邊使用發(fā)送郵件