用NPOI操作EXCEL－－从Excel中抽取文本

csharp

http://www.cnblogs.com/atao/archive/2009/10/18/1585536.html
　我们知道，搜索引擎最擅长处理的就是文本，而Excel中的内容并不是以文本方式存储的。那么如果想要搜索引擎爬虫能够抓取到Excel中的内容是比较困难的，除非搜索引擎爬虫对Excel格式进行专门的处理。那么有没有办法解决此问题呢？有,通过NPOI将Excel内容文本化！
　　如下，有这样一张Excel，如果想让它被搜索引擎收录，常用的方式是以HTML形式展现，但将一个个这样的Excel手工做成HTML页面显然比较麻烦。接下来，我们将提供一种方案，自动将Excel中的内容以HTML形式展现。

　　其实基本思想也很简单，就是通过NPOI读取每个Cell中的内容，然后以HTML的形式输出。但要保证输出的HTML页面布局与Excel中的一致，还有点小技巧。下面是构造Table的代码：

2. 
   
3. private HSSFSheet sht;
   
4. protected String excelContent;
   
5. 
   
6. protected void Page_Load(object sender, EventArgs e)
   
7. {
   
8.     HSSFWorkbook wb = new HSSFWorkbook(new FileStream(Server.MapPath("App_Data/quotation.xls"), FileMode.Open));
   
9.     sht = wb.GetSheet("Sheet1");
   
10. 
    
11.     //取行Excel的最大行数
    
12.     int rowsCount = sht.PhysicalNumberOfRows;
    
13.     //为保证Table布局与Excel一样，这里应该取所有行中的最大列数（需要遍历整个Sheet）。
    
14.     //为少一交全Excel遍历，提高性能，我们可以人为把第0行的列数调整至所有行中的最大列数。
    
15.     int colsCount = sht.GetRow(0).PhysicalNumberOfCells;
    
16. 
    
17.     int colSpan;
    
18.     int rowSpan;
    
19.     bool isByRowMerged;
    
20. 
    
21.     StringBuilder table = new StringBuilder(rowsCount * 32);
    
22. 
    
23.     table.Append("<table border='1px'>");
    
24.     for (int rowIndex = 0; rowIndex < rowsCount; rowIndex++)
    
25.     {
    
26.         table.Append("<tr>");
    
27.         for (int colIndex = 0; colIndex < colsCount; colIndex++)
    
28.         {
    
29.             GetTdMergedInfo(rowIndex, colIndex, out colSpan, out rowSpan, out isByRowMerged);
    
30.             //如果已经被行合并包含进去了就不输出TD了。
    
31.             //注意被合并的行或列不输出的处理方式不一样，见下面一处的注释说明了列合并后不输出TD的处理方式。
    
32.             if (isByRowMerged)
    
33.             {
    
34.                 continue;
    
35.             }
    
36. 
    
37.             table.Append("<td");
    
38.             if (colSpan > 1)
    
39.                 table.Append(string.Format(" colSpan={0}", colSpan));
    
40.             if (rowSpan > 1)
    
41.                 table.Append(string.Format(" rowSpan={0}", rowSpan));
    
42.             table.Append(">");
    
43. 
    
44.             table.Append(sht.GetRow(rowIndex).GetCell(colIndex));
    
45. 
    
46.             //列被合并之后此行将少输出colSpan-1个TD。
    
47.             if (colSpan > 1)
    
48.                 colIndex += colSpan - 1;
    
49. 
    
50.             table.Append("</td>");
    
51. 
    
52.         }
    
53.         table.Append("</tr>");
    
54.     }
    
55.     table.Append("</table>");
    
56. 
    
57.     this.excelContent = table.ToString();
    
58. }
    

<br /> private HSSFSheet sht;<br /> protected String excelContent;<br /> <br /> protected void Page_Load(object sender, EventArgs e)<br /> {<br />     HSSFWorkbook wb = new HSSFWorkbook(new FileStream(Server.MapPath("App_Data/quotation.xls"), FileMode.Open));<br />     sht = wb.GetSheet("Sheet1");<br /> <br />     //取行Excel的最大行数<br />     int rowsCount = sht.PhysicalNumberOfRows;<br />     //为保证Table布局与Excel一样，这里应该取所有行中的最大列数（需要遍历整个Sheet）。<br />     //为少一交全Excel遍历，提高性能，我们可以人为把第0行的列数调整至所有行中的最大列数。<br />     int colsCount = sht.GetRow(0).PhysicalNumberOfCells;<br /> <br />     int colSpan;<br />     int rowSpan;<br />     bool isByRowMerged;<br /> <br />     StringBuilder table = new StringBuilder(rowsCount * 32);<br /> <br />     table.Append("<table border='1px'>");<br />     for (int rowIndex = 0; rowIndex < rowsCount; rowIndex++)<br />     {<br />         table.Append("<tr>");<br />         for (int colIndex = 0; colIndex < colsCount; colIndex++)<br />         {<br />             GetTdMergedInfo(rowIndex, colIndex, out colSpan, out rowSpan, out isByRowMerged);<br />             //如果已经被行合并包含进去了就不输出TD了。<br />             //注意被合并的行或列不输出的处理方式不一样，见下面一处的注释说明了列合并后不输出TD的处理方式。<br />             if (isByRowMerged)<br />             {<br />                 continue;<br />             }<br /> <br />             table.Append("<td");<br />             if (colSpan > 1)<br />                 table.Append(string.Format(" colSpan={0}", colSpan));<br />             if (rowSpan > 1)<br />                 table.Append(string.Format(" rowSpan={0}", rowSpan));<br />             table.Append(">");<br /> <br />             table.Append(sht.GetRow(rowIndex).GetCell(colIndex));<br /> <br />             //列被合并之后此行将少输出colSpan-1个TD。<br />             if (colSpan > 1)<br />                 colIndex += colSpan - 1;<br /> <br />             table.Append("</td>");<br /> <br />         }<br />         table.Append("</tr>");<br />     }<br />     table.Append("</table>");<br /> <br />     this.excelContent = table.ToString();<br /> }<br />

其中用到的GetTdMergedInfo方法代码如下：

2. 
   
3. /// <summary>
   
4. ///  获取Table某个TD合并的列数和行数等信息。与Excel中对应Cell的合并行数和列数一致。
   
5. /// </summary>
   
6. /// <param name="rowIndex">行号</param>
   
7. /// <param name="colIndex">列号</param>
   
8. /// <param name="colspan">TD中需要合并的行数</param>
   
9. /// <param name="rowspan">TD中需要合并的列数</param>
   
10. /// <param name="rowspan">此单元格是否被某个行合并包含在内。如果被包含在内，将不输出TD。</param>
    
11. /// <returns></returns>
    
12. private void GetTdMergedInfo(int rowIndex, int colIndex, out int colspan, out int rowspan, out bool isByRowMerged)
    
13. {
    
14.     colspan = 1;
    
15.     rowspan = 1;
    
16.     isByRowMerged = false;
    
17.     int regionsCuont = sht.NumMergedRegions;
    
18.     Region region;
    
19.     for (int i = 0; i < regionsCuont; i++)
    
20.     {
    
21.         region = sht.GetMergedRegionAt(i);
    
22.         if (region.RowFrom == rowIndex && region.ColumnFrom == colIndex)
    
23.         {
    
24.             colspan = region.ColumnTo - region.ColumnFrom + 1;
    
25.             rowspan = region.RowTo - region.RowFrom + 1;
    
26. 
    
27.             return;
    
28.         }
    
29.         else if (rowIndex > region.RowFrom && rowIndex <= region.RowTo && colIndex>=region.ColumnFrom && colIndex<=region.ColumnTo)
    
30.         {
    
31.             isByRowMerged = true;
    
32.         }
    
33.     }
    
34. }
    

<br /> /// <summary><br /> ///  获取Table某个TD合并的列数和行数等信息。与Excel中对应Cell的合并行数和列数一致。<br /> /// </summary><br /> /// <param name="rowIndex">行号</param><br /> /// <param name="colIndex">列号</param><br /> /// <param name="colspan">TD中需要合并的行数</param><br /> /// <param name="rowspan">TD中需要合并的列数</param><br /> /// <param name="rowspan">此单元格是否被某个行合并包含在内。如果被包含在内，将不输出TD。</param><br /> /// <returns></returns><br /> private void GetTdMergedInfo(int rowIndex, int colIndex, out int colspan, out int rowspan, out bool isByRowMerged)<br /> {<br />     colspan = 1;<br />     rowspan = 1;<br />     isByRowMerged = false;<br />     int regionsCuont = sht.NumMergedRegions;<br />     Region region;<br />     for (int i = 0; i < regionsCuont; i++)<br />     {<br />         region = sht.GetMergedRegionAt(i);<br />         if (region.RowFrom == rowIndex && region.ColumnFrom == colIndex)<br />         {<br />             colspan = region.ColumnTo - region.ColumnFrom + 1;<br />             rowspan = region.RowTo - region.RowFrom + 1;<br /> <br />             return;<br />         }<br />         else if (rowIndex > region.RowFrom && rowIndex <= region.RowTo && colIndex>=region.ColumnFrom && colIndex<=region.ColumnTo)<br />         {<br />             isByRowMerged = true;<br />         }<br />     }<br /> }<br />

最后在apsx页面中输出构建好的Table：
<%=excelContent %>
执行效果如下：

我们发现，与Excel中的布局完全一样（这里没有处理单元格的样式，只处理了内容，有兴趣的读者也可以将Excel中单元格的样式也应用在HTML中）。这里为保证布局一致，主要是将Excel中的Region信息解析成Table的colSpan和rowSpan属性，如果对这两个属性不太了解，可以结合以下代码和示例加以了解：

1. 
   
2. <table width="300px" border="1px">
   
3. <tr>
   
4.     <td colspan="2" rowspan="2">0,0</td>
   
5.     <td>0,3</td>
   
6. </tr>
   
7. <tr>
   
8.     <td>1,3</td>
   
9. </tr>
   
10. <tr>
    
11.     <td rowspan="2">2,0</td>
    
12.     <td colspan="2">2,1</td>
    
13. </tr>
    
14. <tr>
    
15.     <td>3,1</td>
    
16.     <td>3,2</td>
    
17. </tr>
    
18. </table>
    

复制代码

以上HTML代码对应的Table展现为：