該方法不需要數據庫和excel插件，程序簡單，實現速度快。
目標：如下面的txt文檔有200多個，每個txt文檔都有20條不規則記錄，需要將每個文檔中的每條數據保存到excel中。
這些txt是從網站中保存下來的，由於一些網站要驗證session和ip，所以不是很好實現網上抓取，就對下載下來的文本文件進行處理，以后再研究網上抓取的過程。
文本片段例子：
HIGHLY CITED PAPERS FOR (PEOPLES R CHINA)
Sorted by: Citations Publication Year Journal Title
881 - 900 (of 6910) [ 41 | 42 | 43 | 44 | 45 | 46 | 47 |
48 | 49 | 50 ]
Page 45 of 346
881 Citations: 3
Title:GEVREY HYPOELLIPTICITY FOR A CLASS OF KINETIC EQUATIONS
Authors:CHEN H; LI WX; XU CJ
Source:COMMUN PART DIFF EQUAT 36 (4): 693-728 2011
Addresses:Wuhan Univ, Sch Math & Stat, Wuhan 430072, Peoples R
China.
Univ Rouen, CNRS, UMR 6085, St Etienne, France.
Field:MATHEMATICS
882 Citations: 3
Title:HIGHER AUSLANDER ALGEBRAS ADMITTING TRIVIAL MAXIMAL ORTHOGONAL
SUBCATEGORIES
Authors:HUANG ZY; ZHANG XJ
Source:J ALGEBRA 330 (1): 375-387 MAR 15 2011
Addresses:Nanjing Univ, Dept Math, Nanjing 210093, Jiangsu Prov,
Peoples R China.
Nanjing Univ Informat Sci & Technol, Coll Math & Phys, Nanjing
210044, Jiangsu Prov, Peoples R China.
Field:MATHEMATICS
883 Citations: 3
Title:PREDATOR-PREY SYSTEM WITH STRONG ALLEE EFFECT IN PREY
例子中紅色字體為需要抽取的字段，遇到的問題有：
- 每一頁都有多條記錄，如何區分各個記錄；
- 每個字段的行數都不一樣，如何確定其行數。
解決方法：
用兩次讀取來解決問題
1、第一次讀取，用readline()方法讀取文本，用startWith()方法判斷開頭字符，如果為需要抽取的字段，則將其行號記錄到該字段的數組中；
2、第二次讀取，用for循環控制，每一次循環對於一條記錄，判斷行號是否和該字段數組中的記錄相等，如果相等則讀取文本，讀到下一個字段的開頭結束。
程序實現：
1 <%@ page language="java" contentType="text/html;charset=UTF-8" pageEncoding="UTF-8"%> 2 <%@ page import="java.util.*,java.io.*,java.util.regex.*" %> 3 4 <html> 5 <body> 6 7 <font size="4" face="arial" color="black"> 8 <% 9 10 try{ 11 12 // 讀取的文件數dataNum 13 for(int dataNum =45; dataNum<=262; dataNum++){ 14 15 String txtpath=this.getClass().getResource("/").getPath()+dataNum+".txt"; 16 //out.println(txtpath); 17 18 19 20 int lineNum=0; //記錄行數 21 22 int [] citationsNum= new int[20]; //記錄citations字段所在的行數 23 int [] titleNum = new int[20]; //記錄title字段所在的行數 24 int [] authorNum= new int[20]; //記錄author字段所在的行數 25 int [] sourceNum = new int[20]; //記錄source字段所在的行數 26 int [] addressesNum = new int[20]; //記錄address字段所在的行數 27 int [] fieldNum = new int[20]; //記錄field字段所在的行數 28 29 //記錄上述每個字段數組的序號 30 int cNum=0; 31 int tNum=0; 32 int aNum=0; 33 int sNum=0; 34 int adNum=0; 35 int fNum=0; 36 37 Pattern p = Pattern.compile("Citations:"); //由於Citations不是開頭，需要用正則表達式判斷 38 39 //以行讀取文件內容 40 BufferedReader br = new BufferedReader(new FileReader(txtpath)); 41 42 String record = new String(); 43 String inputText = null; 44 while ((record = br.readLine()) != null) { 45 46 lineNum++; //讀取一行行號+1 47 48 //記錄citations行號 49 Matcher m = p.matcher(record); 50 if(m.find()){ 51 citationsNum [cNum++]= lineNum; 52 } 53 54 //記錄title行號 55 if((record.replace(" ","")).startsWith("Title:")){ 56 titleNum [tNum++]= lineNum; 57 } 58 59 //記錄Author行號 60 if((record.replace(" ","")).startsWith("Authors:")){ 61 authorNum [aNum++]= lineNum; 62 } 63 64 //記錄Source行號 65 if((record.replace(" ","")).startsWith("Source:")){ 66 sourceNum [sNum++]= lineNum; 67 } 68 69 //記錄Address行號 70 if((record.replace(" ","")).startsWith("Addresses:")){ 71 addressesNum [adNum++]= lineNum; 72 } 73 74 //記錄Field行號 75 if((record.replace(" ","")).startsWith("Field:")){ 76 fieldNum [fNum++]= lineNum; 77 } 78 79 } //第一次讀取結束，每個字段的行號已經記錄到數組中 80 81 82 83 //第二次讀取開始，並輸出表格 84 85 String CitationsValue = new String(); //記錄讀取的字段的內容，下同 86 String TitleValue = new String(); 87 String AuthorValue =new String(); 88 String SourceValue = new String(); 89 String AddressValue = new String(); 90 String fieldValue = new String(); 91 int lineNum2;//第二次讀取時的行號 92 93 BufferedReader br2 =null; 94 %> 95 96 <table border=1 cellspacing="0"> 97 98 <% 99 //因為每一個txt文件有20條記錄 100 for(int i=0; i < 20; i++){ 101 lineNum2=0; //開始讀取並初始化 102 TitleValue = ""; 103 AuthorValue =""; 104 SourceValue = ""; 105 AddressValue =""; 106 fieldValue = ""; 107 CitationsValue = ""; 108 fieldValue = ""; 109 110 br2 = new BufferedReader(new FileReader(txtpath)); 111 while ((record = br2.readLine()) != null) { 112 113 lineNum2++; 114 115 if( lineNum2>= citationsNum[i] && lineNum2<titleNum[i]){ //根據citationsNum所處的位置讀取 116 117 CitationsValue = CitationsValue+record; //讀取的值存到字段中 118 } 119 120 if( lineNum2>= titleNum[i] && lineNum2<authorNum[i]){ 121 122 TitleValue = TitleValue+record; 123 } 124 125 if( lineNum2>= authorNum[i] && lineNum2<sourceNum[i]){ 126 127 AuthorValue = AuthorValue+record; 128 } 129 130 if( lineNum2>= sourceNum[i] && lineNum2<addressesNum[i]){ 131 132 SourceValue = SourceValue+record; 133 } 134 135 if( lineNum2 >= addressesNum[i]&& lineNum2<fieldNum[i]) { 136 137 AddressValue = AddressValue+record; 138 } 139 140 if( lineNum2 == fieldNum[i]) { 141 142 fieldValue = fieldValue+record; 143 } 144 145 } //每一次循環都輸出一次表格 146 %> 147 148 <tr> 149 <td><%=CitationsValue%></td> 150 <td><%=TitleValue%></td> 151 <td><%=AuthorValue%></td> 152 <td><%=SourceValue%></td> 153 <td><%=AddressValue%></td> 154 <td><%=fieldValue%></td> 155 </tr> 156 157 <% 158 159 } //讀取結束，表格輸出完畢 160 161 %> 162 </table> 163 <% 164 165 br.close(); 166 br2.close(); 167 168 } // 所有文件的for循環結束 169 170 }catch(Exception e){ 171 e.printStackTrace(); 172 } 173 174 %> 175 176 </font></p> 177 178 </body> 179 </html>
運行結果：
將上面表格內容復制到excel即可。