Java实现读取html文本内容并按照格式导出到excel中

 更新时间:2024年02月03日 11:16:52   作者:酱学编程  
这篇文章主要为大家详细介绍了如何使用Java实现读取html文本提取相应内容按照格式导出到excel中,文中的示例代码讲解详细,需要的可以参考下

最近在做一个需求,需要将html文本中的内容提取出来,然后导出到excel里面,实现交代情景,html文本中存在许多标签,且很乱,因此需要之间将标签里面的文本提取出来,再进行处理。

            ............
        String text = Jsoup.parse(content).wholeText();
        // 解析字符串并将数据添加到表格
        String[] dataArray = text.split("\n");
        // 创建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) {
        //对每一行数据进行处理,插入到Sheet中
               ............
                row = sheet.createRow(rowNum++);
                // 创建新行并填充数据
                row.createCell(0).setCellValue(entry[0].trim());
                row.createCell(1).setCellValue(entry[1].trim());
        }

        // 导出Excel
             ............ 
    }

1.利用Jsoup解析HTML文档

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.14.3</version> <!-- 版本号可能需要根据实际情况调整 -->
</dependency>

Jsoup(发音为 “jay-soup”)是一款用于解析HTML文档、从HTML中提取数据和操作HTML的Java库。它提供了简单而直观的API,使得在Java中处理HTML变得非常容易。

Jsoup.parse(content).wholeText(); 这行代码是使用Jsoup库解析HTML内容并提取其中的纯文本信息。

1.Jsoup.parse(content): 这部分代码使用Jsoup的parse方法,将传入的content字符串解析为一个Jsoup的Document对象。Document对象表示整个HTML文档。

2.wholeText(): 一旦解析为Document对象,然后调用wholeText()方法。这个方法用于获取整个文档的纯文本内容,即去除HTML标签后的文本信息。

解析出来的文档里面包含了 /n 等转义字符,可用于后续的字符处理

2.使用 Apache POI 库创建Excel 文档

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>5.2.0</version> <!-- 版本号可能需要根据实际情况调整 -->
</dependency>

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>5.2.0</version> <!-- 版本号可能需要根据实际情况调整 -->
</dependency>
   // 创建Excel工作簿和工作表
        Workbook workbook = new XSSFWorkbook();
        Sheet sheet = workbook.createSheet("Sheet");

Workbook 类:

Workbook 是 Apache POI 中表示 Excel 工作簿(Workbook)的接口。

在这里,通过 new XSSFWorkbook() 创建了一个 XSSFWorkbook 对象,XSSFWorkbook 是 Workbook 接口的一个实现,用于处理基于 XML 格式的 .xlsx 文件(Excel 2007及以上版本)。

Sheet 类:

Sheet 是 Workbook 中的一个接口,表示 Excel 工作簿中的一个表单或工作表。

通过 workbook.createSheet(“Sheet”) 创建了一个名为 “Sheet” 的工作表。可以通过不同的工作表名称创建多个工作表,每个工作表包含一组行和列,用于组织和存储数据。

这段代码创建了一个空的 Excel 工作簿,其中包含一个名为 “Sheet” 的工作表。一旦创建了工作簿和工作表,你可以通过 Apache POI 提供的 API 向工作表中添加数据、设置格式、创建图表等。这样你就能够使用 Java 编程来生成、修改和操作 Excel 文档。

3.按照一定规则插入表格数据

    row = sheet.createRow(rowNum++);
    // 创建新行并填充数据
    row.createCell(0).setCellValue(entry[0].trim());
    row.createCell(1).setCellValue(entry[1].trim());

4.导出excel

 /**
     * 将 Workbook 导出到 HttpServletResponse 输出流
     *
     * @param workbook Excel Workbook 对象
     * @param fileName 导出文件名
     */
    public void exportToResponse(Workbook workbook, String fileName) {
        try {
            // 设置响应头
            httpServletResponse.setContentType("application/octet-stream");
            httpServletResponse.setHeader("Content-Disposition", "attachment; filename=" + fileName);

            // 将 Workbook 写入 HttpServletResponse 的输出流
            workbook.write(httpServletResponse.getOutputStream());
            workbook.close();

            // 刷新响应
            httpServletResponse.flushBuffer();
        } catch (IOException e) {
            // 处理异常
            log.error("导出文件{}失败", fileName);
            throw new BusinessException(BusinessError.EXPORT_FILE_FAIL);
        }
    }

代码解析:

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

通过 setContentType 方法设置响应的内容类型。在这里,设置为 application/octet-stream,表示二进制流数据。这个 MIME 类型通常用于下载文件,因为它指示浏览器应该处理响应的数据作为二进制流而不是尝试解析它。

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

通过 setHeader 方法设置响应头的属性。在这里,设置了 Content-Disposition 属性。

Content-Disposition 属性指示浏览器如何处理响应体。在这个上下文中,attachment 表示要将响应作为附件下载,而不是直接在浏览器中打开。filename 参数用于指定下载的文件名。

filename= 后面的部分是具体的文件名,通常是服务器上的文件名或者用户在下载时看到的文件名。

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

使用 Excel Workbook 对象的 write 方法将 Workbook 写入 HttpServletResponse 的输出流。这样,Excel 数据就会以二进制流的形式发送到客户端。

workbook.close();

关闭 Workbook 对象,释放资源。

httpServletResponse.flushBuffer();

刷新响应的缓冲区,确保所有的数据都被写入到输出流。

以上就是Java实现读取html文本内容并按照格式导出到excel中的详细内容,更多关于Java读取html文本内容的资料请关注脚本之家其它相关文章!

相关文章

  • Java编程基本概念

    Java编程基本概念

    本文主要介绍了Java编程的基本概念,具有很好的参考价值。下面跟着小编一起来看下吧
    2017-03-03
  • SpringBoot整合Mybatis自定义拦截器不起作用的处理方案

    SpringBoot整合Mybatis自定义拦截器不起作用的处理方案

    这篇文章主要介绍了SpringBoot整合Mybatis自定义拦截器不起作用的处理方案,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-09-09
  • Spring中ResponseBodyAdvice的使用详解

    Spring中ResponseBodyAdvice的使用详解

    这篇文章主要介绍了Spring中ResponseBodyAdvice的使用,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-10-10
  • Java中NoClassDefFoundError 和 ClassNotFoundException的区别

    Java中NoClassDefFoundError 和 ClassNotFoundException的区别

    Java中NoClassDefFoundError和ClassNotFoundException的区别,从类继承层次上来看,ClassNotFoundException是从Exception继承的,所以ClassNotFoundException是一个检查异常。具体详情需要的朋友可以参考下面文章内容
    2022-06-06
  • Java连接各种数据库的方法

    Java连接各种数据库的方法

    这篇文章主要介绍了Java连接各种数据库的方法,实例分析了java连接MySQL、SQL Server、Sysbase、Oracle、PostgreSQL及DB2等数据库的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-02-02
  • Java不可不知的泛型使用示例代码

    Java不可不知的泛型使用示例代码

    这篇文章主要介绍了Java不可不知的泛型使用,本文通过实例代码给大家介绍了java的泛型的基本使用,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-08-08
  • Spring Boot 集成Redisson实现分布式锁详细案例

    Spring Boot 集成Redisson实现分布式锁详细案例

    这篇文章主要介绍了Spring Boot 集成Redisson实现分布式锁详细案例,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的朋友可以参考一下
    2022-08-08
  • 关于Cannot resolve com.microsoft.sqlserver:sqljdbc4:4.0报错问题解决办法

    关于Cannot resolve com.microsoft.sqlserver:sqljdbc4:4.0报错问题解

    这篇文章主要给大家介绍了关于Cannot resolve com.microsoft.sqlserver:sqljdbc4:4.0报错问题的解决办法,这个是在pom文件中添加依赖出现报错问题,需要的朋友可以参考下
    2024-02-02
  • java.sql.SQLTimeoutException异常的正确解决方法(亲测有效!)

    java.sql.SQLTimeoutException异常的正确解决方法(亲测有效!)

    在我们编写程序的时候,有时候要进行复杂的查询时,就会出现执行sql时间过长,引起页面执行不了并提示执行脚本超时,这就是我们遇到超时异常,这篇文章主要给大家介绍了关于java.sql.SQLTimeoutException异常的正确解决方法,需要的朋友可以参考下
    2024-02-02
  • Java面向对象的三大特征

    Java面向对象的三大特征

    这篇文章主要给大家结合相关示例介绍了Java面向对象的三大特征:封装、继承、多态,非常的实用,有需要的小伙伴可以参考下。
    2015-06-06

最新评论