如何使用 POI 解析 Excel 文件中的 UTF-8 字符

Question

我一直在使用 POI 成功解析 XLS 和 XLSX 文件。但是，我无法从 Excel 电子表格中正确提取特殊字符，例如中文或日文等 UTF-8 编码字符。我已经弄清楚如何从 UTF-8 编码的 csv 或制表符分隔文件中提取数据，但对 Excel 文件却没有成功。有人可以帮忙吗？

（编辑： 评论中的代码片段）

HSSFSheet sheet = workbook.getSheet(worksheet); 
HSSFEvaluationWorkbook ewb = HSSFEvaluationWorkbook.create(workbook); 
while (rowCtr <= lastRow && !rowBreakOut) 
{ 
    Row row = sheet.getRow(rowCtr);//rows.next(); 
    for (int col=firstCell; col<lastCell && !breakOut; col++) { 
      Cell cell; 
      cell = row.getCell(col,Row.RETURN_BLANK_AS_NULL); 
      if (ctype == Cell.CELL_TYPE_STRING) { 
         sValue = cell.getStringCellValue(); 
         log.warn("String value = "+sValue); 
         String encoded = URLEncoder.encode(sValue, "UTF-8"); 
         log.warn("URL-encoded with UTF-8: " + encoded); 
         ....

Answer 1

从 Excel 文件中提取波斯语文本时，我遇到了同样的问题。我正在使用 Eclipse，只需转到 Project ->;属性并将“文本文件编码”更改为 UTF-8 解决了该问题。

Answer 2

在 POI 中你可以像这样使用：

Workbook wb = new HSSFWorkbook();
Sheet sheet = wb.createSheet("new sheet");

// Create a row and put some cells in it. Rows are 0 based.
Row row = sheet.createRow(1);

// Create a new font and alter it.
Font font = wb.createFont();
font.setCharSet(FontCharset.ARABIC.getValue());
font.setFontHeightInPoints((short)24);
font.setFontName("B Nazanin");
font.setItalic(true);
font.setStrikeout(true);

// Fonts are set into a style so create a new one to use.
CellStyle style = wb.createCellStyle();
style.setFont(font);

// Create a cell and put a value in it.
Cell cell = row.createCell(1);
cell.setCellValue("سلام");
cell.setCellStyle(style);

// Write the output to a file
FileOutputStream fileOut = new FileOutputStream("workbook.xls");
wb.write(fileOut);
fileOut.close();

并且可以在 FontCharset 中使用另一个字符集

Answer 3

解决方案很简单，读取任意编码的单元格字符串值（非英文字符）；只需使用以下方法：

sValue = cell.getRichStringCellValue().getString();

代替：

sValue = cell.getStringCellValue();

这适用于 UTF-8 编码的字符，如中文、阿拉伯文或日文。

PS 如果有人使用利用“Apache POI”库的命令行实用程序 nullpunkt/excel-to-json，请通过替换“getStringCellValue()”的出现来修改文件转换器/ExcelToJsonConverter.java避免将非英文字符读为“???”。

Answer 4

使用UTF获取字节如下

cell.getStringCellValue().getBytes(Charset.forName("UTF-8"));