Question

我在Apache POI中遇到问题。问题是，我尝试将16位字符值（例如CJK Unified Ideographs Extension B）放到.xlsx文件中。但是，单元格值在生成的.xlsx文件中成为问号（如????）。

任何人都知道如何使用.xlsx格式处理Apache POI中的16位字符值

我的POI版本是3.14

代码示例如下：

XSSFWorkbook workbook = new XSSFWorkbook();
XSSFSheet sheet = workbook.createSheet("Test");

XSSFRow row1 = sheet.createRow(0);
XSSFCell r1c1 = row1.createCell(0);
r1c1.setCellValue(""); // value of CJK Unified Ideographs Extension B
XSSFCell r1c2 = row1.createCell(1);

FileOutputStream fos =new FileOutputStream("D:/temp/test.xlsx");
workbook.write(fos);
fos.close();

谢谢！

Answer 1

存在问题。但不是0x0000到0xFFFF的16位（2字节）Unicode字符。它的字符在Unicode编码中需要超过2个字节。这些是在Java Character中提及为Unicode code points的字符：＆＃34; Unicode代码点用于U + 0000和U + 10FFFF之间范围内的字符值，并使用Unicode代码单元对于16位字符值，它是UTF-16编码的代码单元。＆＃34; Java平台在char数组和String和StringBuffer类中使用UTF-16表示。在此表示中，补充字符（代码点大于U + FFFF的字符）表示为一对char值，第一个来自高代理范围，（\ uD800- \ uDBFF），第二个来自低 - 代理范围（\ uDC00- \ uDFFF）。

问题在于org.apache.xmlbeans.impl.store.Saver。这适用于private char[] _buf。但由于char最大值为0xFFFF，因此0x10000到0x10FFFF的Unicode代码点无法存储在char中。因此，它将被存储为一对char值。

有一种方法

    /**
     * Test if a character is valid in xml character content. See
     * http://www.w3.org/TR/REC-xml#NT-Char
     */

    private boolean isBadChar ( char ch )
    {
        return ! (
            (ch >= 0x20 && ch <= 0xD7FF ) ||
            (ch >= 0xE000 && ch <= 0xFFFD) ||
            (ch >= 0x10000 && ch <= 0x10FFFF) ||
            (ch == 0x9) || (ch == 0xA) || (ch == 0xD)
            );
    }

该代码完全错误，因为它检查char是否在0x10000和0x10FFFF之间。如上所述，这根本不可能。

此外，它排除了高代理范围（\ uD800- \ uDBFF）和低代理范围（\ uDC00- \ uDFFF）作为坏字符。因此，将排除作为一对char值的代码点表示。

因此问题是由org.apache.xmlbeans.impl.store.Saver中的错误造成的。

修补程序：

目标：不排除高代理范围（\ uD800- \ uDBFF）和低代理范围（\ uDC00- \ uDFFF），作为坏字符。因此，在chars中不会排除存储为两个16位XML的U + 10000以上的Unicode代码点。

下载Saver.java。将private boolean isBadChar ( char ch )更改为

    /**
     * Test if a character is valid in xml character content. See
     * http://www.w3.org/TR/REC-xml#NT-Char
     */
    private boolean isBadChar ( char ch )
    {
        return ! (
            (ch >= 0x20 && ch <= 0xFFFD ) ||
            (ch == 0x9) || (ch == 0xA) || (ch == 0xD)
            );
    }

{p} static final class OptimizedForSpeedSaver和static final class TextSaver中的

。

编译Saver.java。

在类路径之外的某处存储xmlbeans-2.6.0.jar的备份。

替换Saver$OptimizedForSpeedSaver.class中的Saver$TextSaver.class和xmlbeans-2.6.0.jar - ＆gt; /org/apache/xmlbeans/impl/store/与新的compiiled。{/ p>

现在，U + 10000以上的Unicode代码点将存储在sharedStrings.xml。

中

<强>声明：这没有经过充分测试。所以不要在生产中使用它。这里仅显示描述问题。也许xmlbeans.apache.org上的某些程序员会找到时间来org.apache.xmlbeans.impl.store.Saver正确解决问题。

<强>更新现在有一个xmlbeans-2.6.2.jar可用。这已包含补丁。

<强>更新现在有一个xmlbeans-3.0.0.jar可用。这也包含补丁。

它确实：

/**
 * Test if a character is valid in xml character content. See
 * http://www.w3.org/TR/REC-xml#NT-Char
 */
static boolean isBadChar ( char ch )
{
    return ! (
        Character.isHighSurrogate(ch) ||
        Character.isLowSurrogate(ch) ||
        (ch >= 0x20 && ch <= 0xD7FF ) ||
        (ch >= 0xE000 && ch <= 0xFFFD) ||
        (ch >= 0x10000 && ch <= 0x10FFFF) ||
        (ch == 0x9) || (ch == 0xA) || (ch == 0xD)
    );
}

因此，它会检查char ch是HighSurrogate还是LowSurrogate，如果是，那么它不是一个错误的字符。行。

但是它检查char ch是否大于或等于0x10000。再说一次：char这是不可能的！ char的最大值为0xFFFF。

使用Java中的Apache POI将16位字符写入.xlsx文件

1 个答案: