使用Apache POI和OpenOffice API在Linux中統計Office文檔的頁數

Apache POI 介紹

Apache POI 是一套用於訪問微軟 Office 格式文檔 (Word, Excel and PowerPoint) 的 Java API。其中用於操作 Excel 格式檔案的 API 是 HSSF，用於操作 Word 格式檔案的 API 是 HWPF 以及用於操作 PowerPoint 格式檔案的 API 是 HSLF。

POI 的官方網站是 http://poi.apache.org，使用者可以先從這裡下載最新的版本 3.6， 下載解壓后里面有三個 jar 包（poi-3.6-20091214.jar，poi-contrib-3.6-20091214.jar 和 poi-scratchpad-3.6- 20091214.jar）將這三個 jar 包拷貝至 Eclipse 工程的 lib 目錄中，然後重新整理工程即可載入 POI 的類庫。

POI 主要組成部分

POIFS：POIFS 是該項目的最古老，最穩定的一部分，它同時支援讀寫功能，所有的組件最終都依賴於 它的定義。

POIFS 對於 OLE 2 檔案操作： POIFS 的基礎是最古老和最穩定的項目的一部分。這是我們的 OLE 2 複 合文檔格式的純 Java 實現。它同時支援閱讀和書寫功能。我們的組成部分都最終依賴於它的定義。更多資訊請參閱 POIFS 項目頁。

HSSF 對於 Excel 檔案操作：HSSF 是針對 Microsoft Excel 97（-2003）檔案格式（BIFF8）的文檔操作 的純 Java 實現。它支援閱讀和書寫能力。更多資訊請參閱 HSSF 項目頁。

HWPF 對於 Word 檔案操作：HWPF 是針 對 Microsoft Word 97 檔案格式的文檔操作的純 Java 介面。該組件是在發展的初期階段，對 word 文檔的讀寫能力有限 ，僅僅可以閱讀和書寫簡單的 word 檔案，更多資訊 HWPF 請參閱 HWPF 的項目頁。

HSLF 對於 PowerPoint 檔案操 作：HSLF 是針對 Microsoft PowerPoint 97（-2003）檔案格式的文檔操作的純 Java 介面。它支援閱讀和書寫能力。更多 資訊請參閱 HSLF 項目頁。

HDGF 對於 Visio 檔案操作：除此之外 POI 還提供了 HDGF 對微軟 Visio97（-2003） 檔案格式的文檔操作的純 Java 介面。它目前只支援讀取操作，在一個很低的水平，只支援簡單的文本提取。更多資訊請參 閱 HDGF 項目頁。

HPSF 文件屬性：HPSF 是這對 OLE 2 設定格式的純 Java 介面。主要是用來隱藏檔的屬性集（ 如：標題，作者，最後修改日期等屬性），他們可以為特定應用目的所使用。更多資訊請參閱 HPSF 項目頁。

下面 我們簡單的介紹一下項目中經常會使用到的對於 Excel 和 Word 格式檔案進行操作的介面：

HSSF 介面

目前 POI 比較成熟的部分是 HSSF 介面，處理 MS Excel（97-2003）對象。它不像我們僅僅使用 csv 產生的沒有格式的可以由 Excel 轉換的東西，而是真正的 Excel 對象，你可以控制一些屬性如 cell，sheet 等等。當然，HSSF 也有一些缺點，比 如不能直接支援 Excel 圖表，包與包之間依賴關係比較複雜等等。

對於統計頁數 (sheet 個數 ) 來說，HSSF 介面 可以很簡單的完成這一功能。下面我們簡單的介紹一下 HSSF 介面：

HSSF 提供給我們使用的對象在 org.apache.poi.hssf.usermodel 包中，主要部分包括 Excel 對象，樣式和格式，還有輔助操作。主要有以下幾種對象：

HSSFWorkbook： 對應於 Excel 的文檔對象

HSSFSheet： 對應於 Excel 的表單

HSSFRow： 對應於 Excel 的行

HSSFCell： 對應於 Excel 的格子單元

HSSFFont： 對應於 Excel 字型

HSSFName： 對應 於 Excel 名稱

HSSFDataFormat： 對應於日期格式

HSSFHeader： 對應於 Sheet 頭

HSSFFooter： 對 應於 Sheet 尾

HSSFCellStyle： 對應於 Cell 樣式

輔助操作包括：

HSSFDateUtil 日期

HSSFPrintSetup 列印

HSSFErrorConstants 錯誤資訊表