我使用java和Apache POI进行阅读。xlsx文件。(6万行),但我得到了错误。
我使用poi和xmlbeans的最新版本maven插件。
根据我在StackOverflow中发现的相关问题,最新的poi应该能够成功地处理具有特殊字符的文件。
如果是xml文件,我可以自己替换程序中的特殊字符。但它是一个excel文件。
困难在于我不知道如何使用poi成功读取“excel”文件。
或者有什么方法可以处理文件?
我使用openjdk,版本:"1.8.0_171-1-redhat"。
像这样的错误消息
Caused by: java.io.IOException: unable to parse shared strings table
at org.apache.poi.xssf.model.SharedStringsTable.readFrom(SharedStringsTable.java:134)
at org.apache.poi.xssf.model.SharedStringsTable.<init>(SharedStringsTable.java:111)
... 11 more
Caused by: org.apache.xmlbeans.XmlException: error: Character reference "�" is an invalid XML character.
at org.apache.xmlbeans.impl.store.Locale$SaxLoader.load(Locale.java:3440)
at org.apache.xmlbeans.impl.store.Locale.parseToXmlObject(Locale.java:1272)
at org.apache.xmlbeans.impl.store.Locale.parseToXmlObject(Locale.java:1259)
at org.apache.xmlbeans.impl.schema.SchemaTypeLoaderBase.parse(SchemaTypeLoaderBase.java:345)
at org.openxmlformats.schemas.spreadsheetml.x2006.main.SstDocument$Factory.parse(Unknown Source)
at org.apache.poi.xssf.model.SharedStringsTable.readFrom(SharedStringsTable.java:123)
代码
import java.io.ByteArrayInputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import org.apache.commons.codec.binary.Base64;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
public class test2 {
public static void main(String[] args) throws Exception {
File file = new File("D:\\Users\\3389\\Desktop\\Review\\drive-download-20181112T012605Z-001\\ticket.xlsx");
Workbook workbook = null;
XSSFWorkbook xssfWorkbook = new XSSFWorkbook(file); //error occured
workbook = new SXSSFWorkbook(xssfWorkbook);
Sheet sheet = xssfWorkbook.getSheetAt(0);
System.out.println("the first row:"+sheet.getFirstRowNum());
}
}
pom.xml
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>4.0.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>4.0.0</version>
</dependency>
共享字符串中包含UTF16SURROKEPTAIRS。xml(几个示例)
������
��
��������������
etc....
由于您的问题标题包含问题“是否有任何方法可以预处理excel文件?”,我将尝试回答这个问题:
假设:*. xlsx
文件中的/xl/share dStrings.xml
包含UTF-16-surrogate对XML数字字符引用,如
因此,如果共享字符串。xml
*。xlsx文件包含UTF-16代理项对XML数字字符引用,则该文件已损坏,无论如何都不应使用。这个问题应该由创建该代码的人来解决。xlsx文件。
但是,如果仍然需要修复该文件,那么这只能在字符串级别上完成。由于UTF-16代理项对XML数字字符引用,无法解析XML。然后需要获得共享字符串。xml超出了*。xlsx文件。然后获取该共享字符串的字符串内容。xml文件。然后将找到的每个UTF-16代理项对XML数字字符引用替换为其Unicode替换。
我的代码展示了如何使用java.util.regex.Matcher
执行此操作。它搜索与模式匹配的实体
import java.io.*;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.openxml4j.opc.PackagePart;
import java.util.regex.Pattern;
import java.util.regex.Matcher;
public class XSSFWrongXMLinSharedStrings {
static String replaceUTF16SurrogatePairs(String string) {
Pattern pattern = Pattern.compile("&#(\\d{5});&#(\\d{5});");
Matcher matcher = pattern.matcher(string);
while (matcher.find()) {
String found = matcher.group();
int h = Integer.valueOf(matcher.group(1));
int l = Integer.valueOf(matcher.group(2));
if (0xD800 <= h && h < 0xDC00 && 0xDC00 <= l && l < 0xDFFF) {
int n = (h - 0xD800) * 0x400 + (l - 0xDC00) + 0x10000;
System.out.print(found + " will be replaced with ");
System.out.println("&#" + n + ";");
string = string.replace(found, "&#" + n + ";");
}
}
pattern = Pattern.compile("&#(\\d{5});");
matcher = pattern.matcher(string);
while (matcher.find()) {
String found = matcher.group();
int n = Integer.valueOf(matcher.group(1));
if (0xD800 <= n && n < 0xDFFF) {
System.out.println(found + " is single part of supplement pair. It will be removed.");
string = string.replace(found, "");
}
}
return string;
}
public static void main(String[] args) throws Exception {
File file = new File("ticket.xlsx");
//Repairing the /xl/sharedStrings.xml on string level. Parsing XML is not possible because of the UTF-16-surrogate-pair XML numeric character references.
OPCPackage opcPackage = OPCPackage.open(file);
PackagePart packagePart = opcPackage.getPartsByName(Pattern.compile("/xl/sharedStrings.xml")).get(0);
ByteArrayOutputStream sharedStringsBytes = new ByteArrayOutputStream();
byte[] buffer = new byte[1024];
int length;
InputStream inputStream = packagePart.getInputStream();
while ((length = inputStream.read(buffer)) != -1) {
sharedStringsBytes.write(buffer, 0, length);
}
inputStream.close();
String sharedStrings = sharedStringsBytes.toString("UTF-8");
//Replace UTF-16-surrogate-pair XML numeric character reference with it's unicode replacement:
//sharedStrings = sharedStrings.replace("��", "😁");
//ToDo: Create method for replacing all possible UTF-16-surrogate-pair XML numeric character references with their unicode replacements.
sharedStrings = replaceUTF16SurrogatePairs(sharedStrings);
OutputStream outputStream = packagePart.getOutputStream();
outputStream.write(sharedStrings.getBytes("UTF-8"));
outputStream.flush();
outputStream.close();
opcPackage.close();
//Now the /xl/sharedStrings.xml in the file does not contain UTF-16-surrogate-pair XML numeric character references any more.
Workbook workbook = new XSSFWorkbook(file);
Sheet sheet = workbook.getSheetAt(0);
System.out.println("Success.");
}
}
问题内容: 我正在处理一些XML,其中包含以下字符串: 有的,我传递给各节点的字符串将有字符,如,,,等: 由于,此无效。 我无法将这些字符串包装在CDATA中,因为它们必须保持原样。我试图寻找一个字符列表,这些字符如果不包含在CDATA中就不能放入XML节点中。 有人可以指出我的方向或向我提供一系列非法字符吗? 问题答案: 唯一的非法字符,并且(和或在属性)。 他们使用XML实体进行了转义,在这
本文向大家介绍jQ处理xml文件和xml字符串的方法(详解),包括了jQ处理xml文件和xml字符串的方法(详解)的使用技巧和注意事项,需要的朋友参考一下 1.xml文件 2.jQuery代码 3.jQuery处理xml字符串 以上就是小编为大家带来的jQ处理xml文件和xml字符串的方法(详解)全部内容了,希望大家多多支持呐喊教程~
我需要序列化一个包含字符串的文档,如
本文向大家介绍python判断给定的字符串是否是有效日期的方法,包括了python判断给定的字符串是否是有效日期的方法的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了python判断给定的字符串是否是有效日期的方法。分享给大家供大家参考。具体分析如下: 这里python判断给定的字符串是否是一个有效的日期,如果是一个日期格式的字符串,该函数返回True,否则返回False 希望本文所述对大
问题内容: 我需要一个正则表达式或PHP中的函数来验证字符串是否是一个很好的XML元素名称。 表格w3schools: XML元素必须遵循以下命名规则: 名称可以包含字母,数字和其他字符 名称不能以数字或标点符号开头 名称不能以字母xml(或XML或Xml等)开头 名称不能包含空格 我可以编写一个基本的正则表达式来检查规则1,2和4,但是它不能解决所有允许的标点符号,也不能解决第三条规则 友善更新
问题内容: 我正在寻找Java代码来检查字符串是否为有效的XML。 问题答案: 用正则表达式验证XML是不可能的。XML不是常规语言。 使用XML解析器尝试将字符串解析为XML,或者对照模式(例如DTD或XSD文件)验证XML文档。