本系列文章经过补充和完善,已修改整理成书《Java编程的逻辑》,由机械工业出版社华章分社出版。 2018年1月上线,畅销不衰,读者好评如潮!各大网店和书店均有销售,欢迎购买,京东自营链接:http://www.sychzs.cn/12299018.html
对于文件的处理,我们引入流方法。第57节介绍字节流,第58节介绍字符流。同时我们还介绍了操作文件的底层方法。第60节介绍了文件的随机读写。 ,第61节介绍内存映射文件,我们还介绍了对象的序列化/反序列化机制,第62节介绍Java标准序列化,第63节介绍如何使用Jackson处理XML/JSON和MessagePack等其他序列化格式。
在日常编程中,我们经常需要处理一些特定类型的文件,比如CSV、Excel、HTML等。直接使用前面介绍的方法来处理它们,一般是非常不方便的。往往有一些第三方的类库,在之前介绍的技术的基础上,提供了更加方便易用的接口。
本节我们将简单介绍如何使用Java SDK和一些第三方库来处理以下五种类型的文件:
属性文件
属性文件通常非常简单。一行代表一个属性。属性是一个键值对。键和值由等号 (=) 或冒号 (:) 分隔。它们一般用于配置程序的一些参数。例如,在需要连接数据库的程序中,常常会使用配置文件来配置数据库信息。比如有这样一个文件config.properties,其内容大致如下:
使用字符流来处理这类文件是比较容易的,但是Java中有一个特殊的类java.util.Properties。它的使用也非常简单。主要有以下几个方法:
load 用于从流中加载属性,getProperty 用于获取属性值。可以提供默认值。如果没有找到配置的值,则返回默认值。对于上面的配置文件,可以使用类似下面的代码来读取:
使用类Properties处理属性文件的好处是:
但是,使用属性有一些限制。它不能直接处理中文。在配置文件中,所有非ASCII字符都需要用Unicode编码。例如,不能直接在配置文件中写入:
“老马”需要替换为Unicode编码,如下图:
在Eclipse等Java IDE中,如果使用属性文件编辑器,它会自动将中文替换为Unicode编码。如果使用其他编辑器,可以先用中文编写,然后使用JDK提供的命令native2ascii转换为Unicode编码。用法 如下例所示:
native.properties是输入,包含中文,ascii.properties是输出,中文用Unicode编码替换,-encoding指定输入文件的编码,这里指定为UTF-8。
CSV 文件
CSV 以逗号分隔
Values 的缩写表示以逗号分隔的值。一般来说,一行代表一条记录,一条记录包含多个字段,字段之间用逗号分隔。但一般来说,分隔符不一定是逗号,也可以是制表符'\t'、冒号':'、分号';'等其他字符。程序中的各种日志文件通常都是CSV文件。 CSV也是导入和导出表类型数据时常用的格式。
CSV格式看起来很简单。例如,我们保存第58节的学生名单时,使用的是CSV格式,如下图:
使用之前介绍的字符流,处理CSV文件似乎很容易,一行一行的读取,使用String.split分割每一行。但事实上,CSV 有一些复杂性,最重要的是:
针对这些问题,CSV有一个参考标准,RFC-4180,https://www.sychzs.cn/html/rfc4180,但实际中不同的程序往往有其他的处理方式。幸运的是,处理方法大体相似。 ,大概有两种处理方法:
例如字段内容有两行,则内容为:
使用第一种方法,内容会变成:
使用第二种方法,内容会变成:
CSV还有一些其他细节,不同的程序处理它们的方式不同,例如:
由于上述问题复杂,使用简单的字符流很难处理。有一个第三方类库Apache Commons CSV,它为处理CSV提供了很好的支持。其官方网站地址为:http://www.sychzs.cn/proper/commons-csv/index.html
本节使用其1.4版本来简单介绍其使用方法。如果使用Maven来管理项目,可以在以下文件中引入依赖项:https://www.sychzs.cn/swiftma/program-logic/blob/master/csv_lib/dependency.xml。如果您没有使用Maven,可以从以下地址下载依赖库:https://www.sychzs.cn/swiftma/program-logic/tree/master/csv_lib
Apache Commons CSV 中有一个重要的类 CSVFormat,它代表了 CSV 格式。它有很多方法来定义特定的CSV格式,例如:
例如,如果CSV格式定义为:使用分号;作为分隔符," 作为引号字符,使用 N/A 表示空对象,并忽略字段之间的空格,可以这样创建 CSVFormat:
除了自定义CSVFormat之外,CSVFormat类还定义了一些预定义的格式,例如:CSVFormat.DEFAULT、CSVFormat.RFC4180。
CSVFormat 有一个可以分析字符流的方法:
返回值类型为CSVParser,有以下方法获取记录信息:
CSVRecord 代表一条记录。它有以下方法来获取每个字段的信息:
分析CSV文件的基本代码如下:
除了分析 CSV 文件之外,Apache Commons CSV 还可以编写 CSV 文件。有一个CSVPrinter,它有很多种打印方式,比如:
看代码示例:
输出文件student.csv的内容为:
Excel
Excel主要有两种格式,后缀名是.xls和.xlsx。 .xlsx是Office 2007之后的默认扩展名。POI类库在Java中广泛用于处理Excel文件和其他Microsoft文档。其官方网站是http://www.sychzs.cn/。
本节使用其3.15版本来简单介绍其使用方法。如果您使用Maven来管理您的项目,您可以在以下文件中引入依赖项:https://www.sychzs.cn/swiftma/program-logic/blob/master/excel_lib/dependency.xml。如果您没有使用Maven,可以从以下地址下载依赖库:https://www.sychzs.cn/swiftma/program-logic/tree/master/excel_lib
使用POI处理Excel文件,主要有以下几类:
例如将学生名单保存到student.xls,代码可以是:
如果要另存为.xlsx格式,只需替换第一行:
POI还可以用来轻松解析Excel文件,只需使用WorkbookFactory的create方法即可,如下所示:
上面我们只介绍了基本用法。如果您需要更多信息,例如配置单元格的格式、颜色和字体,请参阅http://www.sychzs.cn/spreadsheet/quick-guide.html。
HTML
HTML 是网页的格式。如果您不熟悉,可以参考http://www.sychzs.cn/html/html_intro.asp。在日常工作中,您可能需要分析HTML页面并提取有趣的信息。有许多 HTML 解析器。我们简单介绍一下jsoup,它的官方网站地址是https://www.sychzs.cn/。
本节使用其1.10.2版本。如果使用Maven来管理项目,可以在以下文件中引入依赖项:https://www.sychzs.cn/swiftma/program-logic/blob/master/html_lib/dependency.xml。如果不是Maven,可以从以下地址下载依赖库:https://www.sychzs.cn/swiftma/program-logic/tree/master/html_lib。
我们通过一个简单的例子来看看jsoup的使用。我们要分析的网页地址是:http://www.sychzs.cn/swiftma/p/5631311.html
这就是浏览器中的样子(部分截图):
保存网页,其HTML代码如下(部分截图):
假设我们要提取网页主题内容中每篇文章的标题和链接。如何实现这一目标? jsoup 支持使用 CSS 选择器语法来查找元素。如果你不了解CSS选择器,可以参考http://www.sychzs.cn/cssref/css_selectors.asp。
用于定位文章列表的CSS选择器可以是
我们看一下代码(假设文件是articles.html):
输出为(部分):
jsoup也可以直接连接URL进行分析。例如上面代码的第一行可以替换为:
jsoup的更多使用方法请参考其官网。
Zip 文件
压缩文件有多种格式。 Java SDK支持两种类型:gzip和zip。 Gzip只能压缩一个文件,而一个zip文件可以包含多个文件。下面我们介绍一下Java SDK的基本用法。如果您需要更多格式,可以考虑 Apache Commons compress:http://www.sychzs.cn/proper/commons-compress/
我们先来看看gzip。主要有两大类:
分别是OutputStream和InputStream的子类,两者都是装饰类。 GZIPOutputStream可以添加到现有流中以实现压缩,而GZIPInputStream可以添加到现有流中以实现解压缩。例如,压缩文件的代码可以是:
调用的copy方法就是我们在第57节介绍的,解压文件的代码可以是:
zip 文件支持在一个压缩文件中包含多个文件。 Java SDK的主要类有:
它们也分别是OutputStream和InputStream的子类。它们也是装饰类,但不能像 GZIPOutputStream/GZIPInputStream 那样简单地使用。
ZipOutputStream可以写入多个文件,它有一个重要的方法:
在写入每个文件之前,必须先调用该方法,表示要写入一个压缩条目ZipEntry。每个压缩条目都有一个名称。该名称是压缩文件的相对路径。如果名称以‘/’结尾,表示目录,其构造方法为:
我们来看一段压缩文件或目录的代码:
参数inFile代表输入,可以是普通文件或目录,zipFile代表输出,rootPath代表父目录,用于计算每个文件的相对路径。主要是调用addFileToZipOut将文件添加到ZipOutputStream中。代码是:
还调用copy方法将文件内容写入ZipOutputStream,并对目录进行递归调用。
ZipInputStream 用于解压缩 zip 文件。它有相应的方法来获取压缩条目:
如果返回值为null,则表示没有条目。要使用ZipInputStream解压文件,可以使用类似以下的代码:
调用extractZipEntry处理压缩每个边境,代码为:
总结
本节简要介绍了属性文件、CSV、EXCEL、HTML、压缩文件五种常见文件类型的处理,介绍了基本用法和更多信息的参考链接。
至此,我们已经介绍了文件的所有部分。
从下一节开始,让我们一起探索并发和线程的世界吧!
(与其他章节一样,本节所有代码均位于https://www.sychzs.cn/swiftma/program-logic)
----------------
未完待续,查看最新文章请关注微信公众号《老马讲编程》(扫描下方二维码),从入门到进阶,深入浅出,老马将与您一起探索Java编程和计算机技术的精髓。用心原创,保留所有版权。
-->