java学习笔记——jsp简单方法读取txt文本数据
该方法不需要数据库和excel插件，程序简单，实现速度快。
目标：如下面的txt文档有200多个，每个txt文档都有20条不规则记录，需要将每个文档中的每条数据保存到excel中。
这些txt是从网站中保存下来的，由于一些网站要验证session和ip，所以不是很好实现网上抓取，就对下载下来的文本文件进行处理，以后再研究网上抓取的过程。
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
例子中红色字体为需要抽取的字段，遇到的问题有：
- 每一页都有多条记录，如何区分各个记录；
- 每个字段的行数都不一样，如何确定其行数。
解决方法：
用两次读取来解决问题
1、第一次读取，用readline()方法读取文本，用startWith()方法判断开头字符，如果为需要抽取的字段，则将其行号记录到该字段的数组中；
2、第二次读取，用for循环控制，每一次循环对于一条记录，判断行号是否和该字段数组中的记录相等，如果相等则读取文本，读到下一个字段的开头结束。
程序实现：
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 // 读取的文件数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; //记录行数 21 22 int [] citationsNum= new int[20]; //记录citations字段所在的行数 23 int [] titleNum = new int[20]; //记录title字段所在的行数 24 int [] authorNum= new int[20]; //记录author字段所在的行数 25 int [] sourceNum = new int[20]; //记录source字段所在的行数 26 int [] addressesNum = new int[20]; //记录address字段所在的行数 27 int [] fieldNum = new int[20]; //记录field字段所在的行数 28 29 //记录上述每个字段数组的序号 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:"); //由于Citations不是开头，需要用正则表达式判断 38 39 //以行读取文件内容 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++; //读取一行行号+1 47 48 //记录citations行号 49 Matcher m = p.matcher(record); 50 if(m.find()){ 51 citationsNum [cNum++]= lineNum; 52 } 53 54 //记录title行号 55 if((record.replace(" ","")).startsWith("Title:")){ 56 titleNum [tNum++]= lineNum; 57 } 58 59 //记录Author行号 60 if((record.replace(" ","")).startsWith("Authors:")){ 61 authorNum [aNum++]= lineNum; 62 } 63 64 //记录Source行号 65 if((record.replace(" ","")).startsWith("Source:")){ 66 sourceNum [sNum++]= lineNum; 67 } 68 69 //记录Address行号 70 if((record.replace(" ","")).startsWith("Addresses:")){ 71 addressesNum [adNum++]= lineNum; 72 } 73 74 //记录Field行号 75 if((record.replace(" ","")).startsWith("Field:")){ 76 fieldNum [fNum++]= lineNum; 77 } 78 79 } //第一次读取结束，每个字段的行号已经记录到数组中 80 81 82 83 //第二次读取开始，并输出表格 84 85 String CitationsValue = new String(); //记录读取的字段的内容，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;//第二次读取时的行号 92 93 BufferedReader br2 =null; 94 %> 95 96 <table border=1 cellspacing="0"> 97 98 <% 99 //因为每一个txt文件有20条记录 100 for(int i=0; i < 20; i++){ 101 lineNum2=0; //开始读取并初始化 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]){ //根据citationsNum所处的位置读取 116 117 CitationsValue = CitationsValue+record; //读取的值存到字段中 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 } //每一次循环都输出一次表格 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 } //读取结束，表格输出完毕 160 161 %> 162 </table> 163 <% 164 165 br.close(); 166 br2.close(); 167 168 } // 所有文件的for循环结束 169 170 }catch(Exception e){ 171 e.printStackTrace(); 172 } 173 174 %> 175 176 </font></p> 177 178 </body> 179 </html>
运行结果：
将上面表格内容复制到excel即可。
