使用Java中的Apache POI將16位字符寫入.xlsx文件

Question

我在Apache POI中遇到了問題。 問題是，我嘗試將16位字符值（例如CJK Unified Ideographs Extension B）放到.xlsx文件中。 但是，單元格值在生成的.xlsx文件中成為問號（如????）。

任何人都知道如何使用.xlsx格式處理Apache POI中的16位字符值???

我的POI版本是3.14

代碼示例如下：

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

XSSFRow row1 = sheet.createRow(0);
XSSFCell r1c1 = row1.createCell(0);
r1c1.setCellValue("𤆕𤆕𤆕"); // 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();

謝謝！

Answer 1

問題存在。 但不是從0x0000到0xFFFF 16位（2字節）Unicode字符。 它的字符在Unicode編碼中需要超過2個字節。 這些是在Java字符中作為Unicode code points提到的字符 ：“Unicode代碼點用於U + 0000和U + 10FFFF之間范圍內的字符值，Unicode代碼單元用於16位字符值，即UTF-16編碼的代碼單元。“ Java平台在char數組和String和StringBuffer類中使用UTF-16表示。 在此表示中，補充字符（代碼點大於U + FFFF的字符）表示為一對char值，第一個來自高代理范圍，（\\ uD800- \\ uDBFF），第二個來自低 - 代理范圍（\\ uDC00- \\ uDFFF）。

問題出在org.apache.xmlbeans.impl.store.Saver 。 這適用於private char[] _buf 。 但由於char max值為0xFFFF ，因此從0x10000到0x10FFFF Unicode代碼點無法存儲在char 。 因此，將存儲為一對char值。

有一種方法

    /**
     * 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)
            );
    }

該代碼完全錯誤，因為它檢查char是否在0x10000和0x10FFFF之間。 如上所述，這根本不可能。

此外，它排除了高代理范圍（\\ uD800- \\ uDBFF）和低代理范圍（\\ uDC00- \\ uDFFF）作為壞字符。 因此，將排除作為一對char值的代碼點表示。

因此問題是由org.apache.xmlbeans.impl.store.Saver的錯誤引起的。

---

補丁：

目標：不排除高代理范圍（\\ uD800- \\ uDBFF）和低代理范圍（\\ uDC00- \\ uDFFF），作為壞字符。 因此，在XML不會排除存儲為兩個16位chars U + 10000以上的Unicode代碼點。

下載Saver.java 。 將private boolean isBadChar ( char ch )更改為

    /**
     * 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)
            );
    }

在static final class OptimizedForSpeedSaver和static final class TextSaver 。

編譯Saver.java 。

在類路徑之外的某處存儲xmlbeans-2.6.0.jar的備份。

使用新的Saver$TextSaver.class替換Saver$TextSaver.class Saver$OptimizedForSpeedSaver.class和Saver$TextSaver.class在xmlbeans-2.6.0.jar - > /org/apache/xmlbeans/impl/store/ 。

現在，U + 10000以上的Unicode代碼點將存儲在sharedStrings.xml 。

---

免責聲明：這未經過充分測試。 所以不要在生產中使用它。 這里僅顯示描述問題。 也許xmlbeans.apache.org上的一些程序員會找到時間來正確解決org.apache.xmlbeans.impl.store.Saver的問題。

---

更新現在有一個xmlbeans-2.6.2.jar可用。 這已包含補丁。

---

更新現在有一個xmlbeans-3.0.0.jar可用。 這也包含補丁。

它確實：

/**
 * 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)
    );
}

因此它檢查char ch是HighSurrogate還是LowSurrogate ，如果是，它不是一個壞char。 好。

但是它會檢查char ch是否大於或等於0x10000 。 再說一次：這對於char是不可能的！ char的最大值是0xFFFF 。