本系列文章經補充和完善，已修訂整理成書《Java程式設計的邏輯》（馬俊昌著），由機械工業出版社華章分社出版，於2018年1月上市熱銷，讀者好評如潮！各大網店和書店有售，歡迎購買：京東自營連結
對於處理檔案，我們介紹了流的方式，57節介紹了位元組流，58節介紹了字元流，同時，也介紹了比較底層的操作檔案的方式，60節介紹了隨機讀寫檔案，61節介紹了記憶體對映檔案，我們也介紹了物件的序列化/反序列化機制，62節介紹了Java標準的序列化，63節介紹瞭如何用Jackson處理其他序列化格式如XML/JSON和MessagePack。
在日常程式設計中，我們還經常會需要處理一些具體型別的檔案，如CSV, Excel, HTML，直接使用前面幾節介紹的方式來處理一般是很不方便的，往往有一些第三方的類庫，基於之前介紹的技術，提供了更為方便易用的介面。
本節，我們就來簡要介紹如何利用Java SDK和一些第三方類庫，來處理如下五種型別的檔案：
- 屬性檔案：屬性檔案是常見的配置檔案，用於在不改變程式碼的情況下改變程式的行為。
- CSV：CSV是Comma-Separated Values的縮寫，表示逗號分割值，是一種非常常見的檔案型別，大部分日誌檔案都是CSV，CSV也經常用於交換表格型別的資料，待會我們會看到，CSV看上去很簡單但處理的複雜性經常被低估。
- Excel：Excel大家都知道，在程式設計中，經常需要將表格型別的資料匯出為Excel格式，以方便使用者檢視，也經常需要接受Excel型別的檔案作為輸入以批量匯入資料。
- HTML：所有網頁都是HTML格式，我們經常需要分析HTML網頁，以從中提取感興趣的資訊。
- 壓縮檔案：壓縮檔案有多種格式，也有很多壓縮工具，大部分情況下，我們可以藉助工具而不需要自己寫程式處理壓縮檔案，但某些情況，需要自己程式設計壓縮檔案或解壓縮檔案。
屬性檔案
屬性檔案一般很簡單，一行表示一個屬性，屬性就是鍵值對，鍵和值用等號(=)或冒號(:)分隔，一般用於配置程式的一些引數。比如，在需要連線資料庫的程式中，經常使用配置檔案配置資料庫資訊，比如，有這麼個檔案config.properties，內容大概如下所示：
db.host = 192.168.10.100
db.port : 3306
db.username = zhangsan
db.password = mima1234
複製程式碼處理這種檔案使用字元流也是比較容易的，但Java中有一個專門的類java.util.Properties，它的使用也很簡單，有如下主要方法：
public synchronized void load(InputStream inStream)
public String getProperty(String key)
public String getProperty(String key, String defaultValue)
複製程式碼load用於從流中載入屬性，getProperty用於獲取屬性值，可以提供一個預設值，如果沒有找到配置的值，則返回預設值。對於上面的配置檔案，可以使用類似下面的程式碼進行讀取：
Properties prop = new Properties();
prop.load(new FileInputStream("config.properties"));
String host = prop.getProperty("db.host");
int port = Integer.valueOf(prop.getProperty("db.port", "3306"));
複製程式碼使用類Properties處理屬性檔案的好處是：
- 可以自動處理空格，我們看到分隔符=前後的空格會被自動忽略
- 可以自動忽略空行
- 可以新增註釋，以字元#或!開頭的行會被視為註釋，進行忽略
不過，使用Properties也有限制，它不能直接處理中文，在配置檔案中，所有非ASCII字元需要使用Unicode編碼，比如，不能在配置檔案中直接這麼寫：
name=老馬
複製程式碼“老馬”需要替換為Unicode編碼，如下所示：
name=u8001u9A6C
複製程式碼在Java IDE如Eclipse中，如果使用屬性檔案編輯器，它會自動替換中文為Unicode編碼，如果使用其他編輯器，可以先寫成中文，然後使用JDK提供的命令native2ascii轉換為Unicode編碼，用法如下例所示：
native2ascii -encoding UTF-8 native.properties ascii.properties
複製程式碼native.properties是輸入，其中包含中文，ascii.properties是輸出，中文替換為了Unicode編碼，-encoding指定輸入檔案的編碼，這裡指定為了UTF-8。
CSV檔案
CSV是Comma-Separated Values的縮寫，表示逗號分割值，一般而言，一行表示一條記錄，一條記錄包含多個欄位，欄位之間用逗號分隔。不過，一般而言，分隔符不一定是逗號，可能是其他字元如tab符` `、冒號`:`,分號`;`等。程式中的各種日誌檔案通常是CSV檔案，在匯入匯出表格型別的資料時，CSV也是經常用的一種格式。
CSV格式看上去很簡單，比如，我們在58節儲存學生列表時，使用的就是CSV格式，如下所示：
張三,18,80.9
李四,17,67.5
複製程式碼使用之前介紹的字元流，看上去就可以很容易處理CSV檔案，按行讀取，對每一行，使用String.split進行分割即可。但其實CSV有一些複雜的地方，最重要的是：
- 欄位內容中包含分割符怎麼辦？
- 欄位內容中包含換行符怎麼辦？
對於這些問題，CSV有一個參考標準，RFC-4180，tools.ietf.org/html/rfc418…，但實踐中不同程式往往有其他處理方式，所幸的是，處理方式大體類似，大概有兩種處理方式：
- 使用引用符號比如”，在欄位內容兩邊加上”，如果內容中包含”本身，則使用兩個”
- 使用轉義字元，常用的是，如果內容中包含，則使用兩個
比如，如果欄位內容有兩行，內容為：
hello, world abc
"老馬"
複製程式碼使用第一種方式，內容會變為：
"hello, world abc
""老馬"""
複製程式碼使用第二種方式，內容會變為：
hello, world \ abc
"老馬"
複製程式碼CSV還有其他一些細節，不同程式的處理方式也不一樣，比如：
- 怎麼表示null值？
- 空行和欄位之間的空格怎麼處理？
- 怎麼表示註釋？
由於以上這些複雜問題，使用簡單的字元流就難以處理了。有一個第三方類庫，Apache Commons CSV，對處理CSV提供了良好的支援，它的官網地址是：commons.apache.org/proper/comm…
本節使用其1.4版本，簡要介紹其用法。如果使用Maven管理專案，可引入以下檔案中的依賴：github.com/swiftma/pro…。如果非Maven，可從下面地址下載依賴庫：github.com/swiftma/pro…
Apache Commons CSV中有一個重要的類CSVFormat，它表示CSV格式，它有很多方法以定義具體的CSV格式，如：
//定義分隔符
public CSVFormat withDelimiter(final char delimiter)
//定義引號符
public CSVFormat withQuote(final char quoteChar)
//定義轉義符
public CSVFormat withEscape(final char escape)
//定義值為null的物件對應的字串值
public CSVFormat withNullString(final String nullString)
//定義記錄之間的分隔符
public CSVFormat withRecordSeparator(final char recordSeparator)
//定義是否忽略欄位之間的空白
public CSVFormat withIgnoreSurroundingSpaces(final boolean ignoreSurroundingSpaces)
複製程式碼比如，如果CSV格式定義為：使用分號;作為分隔符，”作為引號符，使用N/A表示null物件，忽略欄位之間的空白，CSVFormat可以這樣建立：
CSVFormat format = CSVFormat.newFormat(`;`)
.withQuote(`"`).withNullString("N/A")
.withIgnoreSurroundingSpaces(true);
複製程式碼除了自定義CSVFormat，CSVFormat類中也定義了一些預定義的格式，如：CSVFormat.DEFAULT, CSVFormat.RFC4180。
CSVFormat有一個方法，可以分析字元流：
public CSVParser parse(final Reader in) throws IOException
複製程式碼返回值型別為CSVParser，它有如下方法獲取記錄資訊：
public Iterator<CSVRecord> iterator()
public List<CSVRecord> getRecords() throws IOException
public long getRecordNumber()
複製程式碼CSVRecord表示一條記錄，它有如下方法獲取每個欄位的資訊：
//根據欄位列索引獲取值，索引從0開始
public String get(final int i)
//根據列名獲取值
public String get(final String name)
//欄位個數
public int size()
//欄位的迭代器
public Iterator<String> iterator()
複製程式碼分析CSV檔案的基本程式碼如下所示：
CSVFormat format = CSVFormat.newFormat(`;`)
.withQuote(`"`).withNullString("N/A")
.withIgnoreSurroundingSpaces(true);
Reader reader = new FileReader("student.csv");
try{
for(CSVRecord record : format.parse(reader)){
int fieldNum = record.size();
for(int i=0; i<fieldNum; i++){
System.out.print(record.get(i)+" ");
}
System.out.println();
}
}finally{
reader.close();
}
複製程式碼除了分析CSV檔案，Apache Commons CSV也可以寫CSV檔案，有一個CSVPrinter，它有很多列印方法，比如：
//輸出一條記錄，引數可變，每個引數是一個欄位值
public void printRecord(final Object... values) throws IOException
//輸出一條記錄
public void printRecord(final Iterable<?> values) throws IOException
複製程式碼看個程式碼示例：
CSVPrinter out = new CSVPrinter(new FileWriter("student.csv"),
CSVFormat.DEFAULT);
out.printRecord("老馬", 18, "看電影,看書,聽音樂");
out.printRecord("小馬", 16, "樂高;賽車;");
out.close();
複製程式碼輸出檔案student.csv中的內容為：
"老馬",18,"看電影,看書,聽音樂"
"小馬",16,樂高;賽車;
複製程式碼Excel
Excel主要有兩種格式，字尾名分別為.xls和.xlsx，.xlsx是Office 2007以後的預設副檔名。Java中處理Excel檔案及其他微軟文件廣泛使用POI類庫，其官網是http://poi.apache.org/。
本節使用其3.15版本，簡要介紹其用法。如果使用Maven管理專案，可引入以下檔案中的依賴：github.com/swiftma/pro…。如果非Maven，可從下面地址下載依賴庫：github.com/swiftma/pro…
使用POI處理Excel檔案，有如下主要類:
- Workbook: 表示一個Excel檔案物件，它是一個介面，有兩個主要類HSSFWorkbook和XSSFWorkbook，前者對應.xls格式，後者對應.xlsx格式。
- Sheet: 表示一個工作表
- Row: 表示一行
- Cell: 表示一個單元格
比如，儲存學生列表到student.xls，程式碼可以為：
public static void saveAsExcel(List<Student> list) throws IOException {
Workbook wb = new HSSFWorkbook();
Sheet sheet = wb.createSheet();
for (int i = 0; i < list.size(); i++) {
Student student = list.get(i);
Row row = sheet.createRow(i);
row.createCell(0).setCellValue(student.getName());
row.createCell(1).setCellValue(student.getAge());
row.createCell(2).setCellValue(student.getScore());
}
OutputStream out = new FileOutputStream("student.xls");
wb.write(out);
out.close();
wb.close();
}
複製程式碼如果要儲存為.xlsx格式，只需要替換第一行為：
Workbook wb = new XSSFWorkbook();
複製程式碼使用POI也可以方便的解析Excel檔案，使用WorkbookFactory的create方法即可，如下所示：
public static List<Student> readAsExcel() throws Exception {
Workbook wb = WorkbookFactory.create(new File("student.xls"));
List<Student> list = new ArrayList<Student>();
for(Sheet sheet : wb){
for(Row row : sheet){
String name = row.getCell(0).getStringCellValue();
int age = (int)row.getCell(1).getNumericCellValue();
double score = row.getCell(2).getNumericCellValue();
list.add(new Student(name, age, score));
}
}
wb.close();
return list;
}
複製程式碼以上我們只是介紹了基本用法，如果需要更多資訊，如配置單元格的格式、顏色、字型，可參看http://poi.apache.org/spreadsheet/quick-guide.html。
HTML
HTML是網頁的格式，如果不熟悉，可以參看http://www.w3school.com.cn/html/html_intro.asp。在日常工作中，可能需要分析HTML頁面，抽取其中感興趣的資訊。有很多HTML分析器，我們簡要介紹一種，jsoup，其官網地址為https://jsoup.org/。
本節使用其1.10.2版本。如果使用Maven管理專案，可引入以下檔案中的依賴：github.com/swiftma/pro…。如果非Maven，可從下面地址下載依賴庫：github.com/swiftma/pro…。
我們通過一個簡單例子來看jsoup的使用，我們要分析的網頁地址是：http://www.cnblogs.com/swiftma/p/5631311.html
瀏覽器中看起來的樣子是這樣的(部分截圖)：
將網頁儲存下來，其HTML程式碼看上去是這樣的(部分截圖)：
假定我們要抽取網頁主題內容中每篇文章的標題和連結，怎麼實現呢？jsoup支援使用CSS選擇器語法查詢元素，如果不瞭解CSS選擇器，可參看http://www.w3school.com.cn/cssref/css_selectors.asp。
定位文章列表的CSS選擇器可以是
#cnblogs_post_body p a
複製程式碼我們來看程式碼(假定檔案為articles.html)：
Document doc = Jsoup.parse(new File("articles.html"), "UTF-8");
Elements elements = doc.select("#cnblogs_post_body p a");
for(Element e : elements){
String title = e.text();
String href = e.attr("href");
System.out.println(title+", "+href);
}
複製程式碼輸出為(部分)：
計算機程式的思維邏輯 (1) - 資料和變數, http://www.cnblogs.com/swiftma/p/5396551.html
計算機程式的思維邏輯 (2) - 賦值, http://www.cnblogs.com/swiftma/p/5399315.html
複製程式碼jsoup也可以直接連線URL進行分析，比如，上面程式碼的第一行可以替換為：
String url = "http://www.cnblogs.com/swiftma/p/5631311.html";
Document doc = Jsoup.connect(url).get();
複製程式碼關於jsoup的更多用法，請參看其官網。
壓縮檔案
壓縮檔案有多種格式，Java SDK支援兩種：gzip和zip，gzip只能壓縮一個檔案，而zip檔案中可以包含多個檔案。下面我們介紹Java SDK中的基本用法，如果需要更多格式，可以考慮Apache Commons Compress：http://commons.apache.org/proper/commons-compress/
先來看gzip，有兩個主要的類：
java.util.zip.GZIPOutputStream
java.util.zip.GZIPInputStream
複製程式碼它們分別是OutputStream和InputStream的子類，都是裝飾類，GZIPOutputStream加到已有的流上，就可以實現壓縮，而GZIPInputStream加到已有的流上，就可以實現解壓縮。比如，壓縮一個檔案的程式碼可以為：
public static void gzip(String fileName) throws IOException {
InputStream in = null;
String gzipFileName = fileName + ".gz";
OutputStream out = null;
try {
in = new BufferedInputStream(new FileInputStream(fileName));
out = new GZIPOutputStream(new BufferedOutputStream(
new FileOutputStream(gzipFileName)));
copy(in, out);
} finally {
if (out != null) {
out.close();
}
if (in != null) {
in.close();
}
}
}
複製程式碼呼叫的copy方法是我們在57節介紹的。解壓縮檔案的程式碼可以為：
public static void gunzip(String gzipFileName, String unzipFileName)
throws IOException {
InputStream in = null;
OutputStream out = null;
try {
in = new GZIPInputStream(new BufferedInputStream(
new FileInputStream(gzipFileName)));
out = new BufferedOutputStream(new FileOutputStream(
unzipFileName));
copy(in, out);
} finally {
if (out != null) {
out.close();
}
if (in != null) {
in.close();
}
}
}
複製程式碼zip檔案支援一個壓縮檔案中包含多個檔案，Java SDK主要的類是：
java.util.zip.ZipOutputStream
java.util.zip.ZipInputStream
複製程式碼它們也分別是OutputStream和InputStream的子類，也都是裝飾類，但不能像GZIPOutputStream/GZIPInputStream那樣簡單使用。
ZipOutputStream可以寫入多個檔案，它有一個重要方法：
public void putNextEntry(ZipEntry e) throws IOException
複製程式碼在寫入每一個檔案前，必須要先呼叫該方法，表示準備寫入一個壓縮條目ZipEntry，每個壓縮條目有個名稱，這個名稱是壓縮檔案的相對路徑，如果名稱以字元`/`結尾，表示目錄，它的構造方法是：
public ZipEntry(String name)
複製程式碼我們看一段程式碼，壓縮一個檔案或一個目錄：
public static void zip(File inFile, File zipFile) throws IOException {
ZipOutputStream out = new ZipOutputStream(new BufferedOutputStream(
new FileOutputStream(zipFile)));
try {
if (!inFile.exists()) {
throw new FileNotFoundException(inFile.getAbsolutePath());
}
inFile = inFile.getCanonicalFile();
String rootPath = inFile.getParent();
if (!rootPath.endsWith(File.separator)) {
rootPath += File.separator;
}
addFileToZipOut(inFile, out, rootPath);
} finally {
out.close();
}
}
複製程式碼引數inFile表示輸入，可以是普通檔案或目錄，zipFile表示輸出，rootPath表示父目錄，用於計算每個檔案的相對路徑，主要呼叫了addFileToZipOut將檔案加入到ZipOutputStream中，程式碼為：
private static void addFileToZipOut(File file, ZipOutputStream out,
String rootPath) throws IOException {
String relativePath = file.getCanonicalPath().substring(
rootPath.length());
if (file.isFile()) {
out.putNextEntry(new ZipEntry(relativePath));
InputStream in = new BufferedInputStream(new FileInputStream(file));
try {
copy(in, out);
} finally {
in.close();
}
} else {
out.putNextEntry(new ZipEntry(relativePath + File.separator));
for (File f : file.listFiles()) {
addFileToZipOut(f, out, rootPath);
}
}
}
複製程式碼它同樣呼叫了copy方法將檔案內容寫入ZipOutputStream，對於目錄，進行遞迴呼叫。
ZipInputStream用於解壓zip檔案，它有一個對應的方法，獲取壓縮條目：
public ZipEntry getNextEntry() throws IOException
複製程式碼如果返回值為null，表示沒有條目了。使用ZipInputStream解壓檔案，可以使用類似如下程式碼：
public static void unzip(File zipFile, String destDir) throws IOException {
ZipInputStream zin = new ZipInputStream(new BufferedInputStream(
new FileInputStream(zipFile)));
if (!destDir.endsWith(File.separator)) {
destDir += File.separator;
}
try {
ZipEntry entry = zin.getNextEntry();
while (entry != null) {
extractZipEntry(entry, zin, destDir);
entry = zin.getNextEntry();
}
} finally {
zin.close();
}
}
複製程式碼呼叫extractZipEntry處理每個壓縮條目，程式碼為：
private static void extractZipEntry(ZipEntry entry, ZipInputStream zin,
String destDir) throws IOException {
if (!entry.isDirectory()) {
File parent = new File(destDir + entry.getName()).getParentFile();
if (!parent.exists()) {
parent.mkdirs();
}
OutputStream entryOut = new BufferedOutputStream(
new FileOutputStream(destDir + entry.getName()));
try {
copy(zin, entryOut);
} finally {
entryOut.close();
}
} else {
new File(destDir + entry.getName()).mkdirs();
}
}
複製程式碼小結
本節簡要介紹了五種常見檔案型別的處理：屬性檔案、CSV、EXCEL、HTML和壓縮檔案，介紹了基本用法和更多資訊的參考連結。
至此，關於檔案的所有部分，我們就介紹完了。
從下一節開始，讓我們一起探索併發和執行緒的世界！
(與其他章節一樣，本節所有程式碼位於 github.com/swiftma/pro…)
未完待續，檢視最新文章，敬請關注微信公眾號“老馬說程式設計”(掃描下方二維碼)，深入淺出，老馬和你一起探索Java程式設計及計算機技術的本質。用心原創，保留所有版權。
