Java实现Excel图片URL筛选与大小检测

SmileNicky

发布于 2025-06-19 08:38:22

14600

代码可运行

文章被收录于专栏：Nicky's blogNicky's blog

运行总次数：0

代码可运行

Java实现Excel图片URL筛选与大小检测

在数据处理场景中，我们常需筛选Excel中的图片URL。本文分享一个完整的Java方案，涵盖从读取图片URL到检测有效性、筛选大小，再到生成新Excel文件的全过程，同时讲解开发与优化过程，帮助你解决实际业务中的数据筛选和清洗需求。

一、问题背景

客户现场图片数据，要求如下：

读取Excel的图片URL。
检测URL有效性并获取图片大小。
筛选大于1MB或无法访问（404）的图片记录。
保留原始数据格式，尤其是日期类型数据。
生成筛选后的新Excel文件。

二、核心实现方案

（一）技术选型

为实现上述目标，我们主要采用以下技术：

Apache POI ：用于读取和写入Excel文件，支持对单元格数据的操作及格式处理，能方便地处理XLSX文件。
HttpURLConnection ：用于检测图片URL的有效性并获取图片大小，通过发送HEAD请求获取资源信息，避免下载整个图片浪费带宽。

（二）关键代码实现

1. Excel文件读取与写入

package cn.api.server;

import org.apache.poi.ss.usermodel.*;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.HttpURLConnection;
import java.net.MalformedURLException;
import java.net.URL;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.logging.Level;
import java.util.logging.Logger;

public class ImageSizeFilter {
    private static final Logger LOGGER = Logger.getLogger(ImageSizeFilter.class.getName());
    private static final int CONNECT_TIMEOUT = 5000;
    private static final int READ_TIMEOUT = 5000;
    private static final double BYTES_TO_MEGABYTES = 1024.0 * 1024.0;
    private static final double SIZE_THRESHOLD = 1.0;
    private static final SimpleDateFormat DATE_FORMAT = new SimpleDateFormat("yyyy-MM-dd");

    public static void main(String[] args) {
        String inputFilePath = "C:/Users/admin/Desktop/图片数据.xlsx";
        String outputFilePath = "C:/Users/admin/Desktop/图片数据_筛选后.xlsx";

        System.out.println("开始处理Excel文件...");
        System.out.println("输入文件: " + inputFilePath);

        long startTime = System.currentTimeMillis();
        int processedCount = 0;
        int filteredCount = 0;

        try (FileInputStream inputStream = new FileInputStream(new File(inputFilePath));
             Workbook workbook = new XSSFWorkbook(inputStream)) {

            Sheet sheet = workbook.getSheetAt(0);
            int totalRows = sheet.getLastRowNum();
            System.out.println("发现 " + totalRows + " 条数据记录");

            try (Workbook newWorkbook = new XSSFWorkbook()) {
                Sheet newSheet = newWorkbook.createSheet();
                Row headerRow = sheet.getRow(0);
                Row newHeaderRow = newSheet.createRow(0);
                
                // 复制表头并添加新列
                copyRow(headerRow, newHeaderRow);
                createHeaderCell(newHeaderRow, "图片大小（M）");
                createHeaderCell(newHeaderRow, "状态");

                int newRowIndex = 1;
                for (int i = 1; i <= totalRows; i++) {
                    if (i % 100 == 0) {
                        System.out.println("已处理 " + i + "/" + totalRows + " 行");
                    }

                    Row row = sheet.getRow(i);
                    if (row != null) {
                        Cell urlCell = row.getCell(7);
                        if (urlCell != null) {
                            String imageUrl = getCellValue(urlCell);
                            if (isValidUrl(imageUrl)) {
                                processedCount++;
                                long sizeInBytes = getImageSize(imageUrl);
                                double sizeInMegabytes = sizeInBytes / BYTES_TO_MEGABYTES;
                                boolean is404 = sizeInBytes == 0 && isUrl404(imageUrl);
                                
                                if (sizeInMegabytes > SIZE_THRESHOLD || is404) {
                                    filteredCount++;
                                    Row newRow = newSheet.createRow(newRowIndex++);
                                    copyRowWithDateHandling(row, newRow, workbook, newWorkbook);
                                    newRow.createCell(headerRow.getLastCellNum()).setCellValue(sizeInMegabytes);
                                    newRow.createCell(headerRow.getLastCellNum() + 1).setCellValue(is404 ? "404" : "图片过大");
                                }
                            }
                        }
                    }
                }

                try (FileOutputStream outputStream = new FileOutputStream(new File(outputFilePath))) {
                    newWorkbook.write(outputStream);
                }

                long endTime = System.currentTimeMillis();
                System.out.println("筛选完成！耗时：" + (endTime - startTime) / 1000 + " 秒");
                System.out.println("处理记录数：" + processedCount);
                System.out.println("筛选出的记录数：" + filteredCount);
                System.out.println("结果保存至：" + outputFilePath);
            }
        } catch (IOException e) {
            LOGGER.log(Level.SEVERE, "处理文件时出错", e);
        }
    }
}

在上述代码中，我们通过FileInputStream读取原始Excel文件，利用XSSFWorkbook将其加载为Workbook对象。然后获取第一个工作表（Sheet），并遍历其行数据。对于筛选出的符合条件的行，我们创建新的Workbook对象（newWorkbook），并在其中创建新的工作表（newSheet），将原始表头复制过来并添加新列 “图片大小（M）” 和 “状态”，用于存储图片大小信息和筛选状态。

2. URL检测与图片大小获取

// 获取图片大小（字节）
private static long getImageSize(String imageUrl) {
    HttpURLConnection connection = null;
    try {
        URL url = new URL(imageUrl);
        connection = (HttpURLConnection) url.openConnection();
        connection.setRequestMethod("HEAD");
        connection.setConnectTimeout(CONNECT_TIMEOUT);
        connection.setReadTimeout(READ_TIMEOUT);
        connection.connect();
        return connection.getResponseCode() == HttpURLConnection.HTTP_OK 
               ? connection.getContentLength() : 0;
    } catch (IOException e) {
        LOGGER.log(Level.SEVERE, "获取图片大小异常", e);
        return 0;
    } finally {
        if (connection != null) {
            connection.disconnect();
        }
    }
}

// 判断URL是否404
private static boolean isUrl404(String imageUrl) {
    HttpURLConnection connection = null;
    try {
        URL url = new URL(imageUrl);
        connection = (HttpURLConnection) url.openConnection();
        connection.setRequestMethod("HEAD");
        connection.setConnectTimeout(CONNECT_TIMEOUT);
        connection.setReadTimeout(READ_TIMEOUT);
        connection.connect();
        return connection.getResponseCode() == HttpURLConnection.HTTP_NOT_FOUND;
    } catch (IOException e) {
        LOGGER.log(Level.SEVERE, "检测404异常", e);
        return false;
    } finally {
        if (connection != null) {
            connection.disconnect();
        }
    }
}

这里，我们使用HttpURLConnection发送HEAD请求到指定的图片URL。HEAD请求不会下载资源实体内容，只请求资源的头部信息，这样可以快速获取图片的相关信息，如大小等。通过调用connection.getContentLength（）方法可获取图片大小（以字节为单位）。同时，我们还定义了isUrl404（）方法来判断URL是否返回404状态码，以便识别无法访问的图片。

3. 单元格数据读取与处理

// 获取单元格值（处理日期格式）
private static String getCellValue(Cell cell) {
    if (cell == null) {
        return "";
    }
    int cellType = cell.getCellType();
    switch (cellType) {
        case Cell.CELL_TYPE_STRING:
            return cell.getStringCellValue();
        case Cell.CELL_TYPE_NUMERIC:
            return DateUtil.isCellDateFormatted(cell) 
                   ? DATE_FORMAT.format(cell.getDateCellValue()) 
                   : String.valueOf(cell.getNumericCellValue());
        case Cell.CELL_TYPE_BOOLEAN:
            return String.valueOf(cell.getBooleanCellValue());
        case Cell.CELL_TYPE_FORMULA:
            return cell.getCellFormula();
        default:
            return "";
    }
}

在读取Excel单元格数据时，需考虑不同类型的数据处理方式。对于字符串类型单元格，直接获取其字符串值；对于数值型单元格，若其为日期格式（通过DateUtil.isCellDateFormatted（cell）判断），则将其转换为Date对象并按照指定格式（yyyy - MM - dd）格式化为字符串，否则以常规数值形式返回；对于布尔型单元格，返回对应的布尔值字符串；对于公式型单元格，返回其公式内容。

4. 行数据复制

// 复制行（表头专用，不处理日期）
private static void copyRow(Row sourceRow, Row targetRow) {
    for (int i = 0; i < sourceRow.getLastCellNum(); i++) {
        Cell sourceCell = sourceRow.getCell(i);
        Cell targetCell = targetRow.createCell(i);
        if (sourceCell != null) {
            int cellType = sourceCell.getCellType();
            switch (cellType) {
                case Cell.CELL_TYPE_STRING:
                    targetCell.setCellValue(sourceCell.getStringCellValue());
                    break;
                case Cell.CELL_TYPE_NUMERIC:
                    targetCell.setCellValue(sourceCell.getNumericCellValue());
                    break;
                case Cell.CELL_TYPE_BOOLEAN:
                    targetCell.setCellValue(sourceCell.getBooleanCellValue());
                    break;
                case Cell.CELL_TYPE_FORMULA:
                    targetCell.setCellFormula(sourceCell.getCellFormula());
                    break;
            }
        }
    }
}

// 复制行（数据行专用，处理日期格式）
private static void copyRowWithDateHandling(Row sourceRow, Row targetRow, 
                                           Workbook sourceWorkbook, Workbook targetWorkbook) {
    for (int i = 0; i < sourceRow.getLastCellNum(); i++) {
        Cell sourceCell = sourceRow.getCell(i);
        Cell targetCell = targetRow.createCell(i);
        if (sourceCell != null) {
            int cellType = sourceCell.getCellType();
            switch (cellType) {
                case Cell.CELL_TYPE_STRING:
                    targetCell.setCellValue(sourceCell.getStringCellValue());
                    break;
                case Cell.CELL_TYPE_NUMERIC:
                    if (DateUtil.isCellDateFormatted(sourceCell)) {
                        targetCell.setCellValue(sourceCell.getDateCellValue());
                        CellStyle newCellStyle = targetWorkbook.createCellStyle();
                        newCellStyle.cloneStyleFrom(sourceCell.getCellStyle());
                        targetCell.setCellStyle(newCellStyle);
                    } else {
                        targetCell.setCellValue(sourceCell.getNumericCellValue());
                    }
                    break;
                case Cell.CELL_TYPE_BOOLEAN:
                    targetCell.setCellValue(sourceCell.getBooleanCellValue());
                    break;
                case Cell.CELL_TYPE_FORMULA:
                    targetCell.setCellFormula(sourceCell.getCellFormula());
                    break;
            }
        }
    }
}

为实现行数据的复制，我们定义了两个方法。copyRow（）方法用于复制表头行数据，直接根据单元格类型设置目标单元格的值；copyRowWithDateHandling（）方法用于复制数据行，在处理数值型单元格时，会判断其是否为日期格式，若是，则将其作为日期处理并复制对应的单元格样式，以确保日期格式在新Excel文件中正确显示。

三、优化过程详解

（一）初始实现问题

在最初的实现中，我们遇到了以下问题：

日期格式处理不当 ：数值型日期被转为普通数字，导致数据展示不符合预期，例如原本在Excel中显示为 “2024 - 05 - 20” 的日期，在读取后变为一串数字。
Java 8兼容性问题 ：最初代码使用了Java 12+的switch表达式，但在实际部署环境中需兼容Java 8，导致代码无法正常运行。
缺少完整的行复制方法 ：在复制行数据时，未能全面处理各种单元格类型及样式，导致新生成的Excel文件数据格式混乱。

（二）日期格式处理优化

通过引入DateUtil.isCellDateFormatted（）方法检测单元格是否为日期格式，并使用SimpleDateFormat将Date对象格式化为指定字符串形式，成功解决了日期格式处理问题。优化后的代码如下：

private static String getCellValue(Cell cell) {
    if (cell == null) {
        return "";
    }
    int cellType = cell.getCellType();
    switch (cellType) {
        case Cell.CELL_TYPE_STRING:
            return cell.getStringCellValue();
        case Cell.CELL_TYPE_NUMERIC:
            return DateUtil.isCellDateFormatted(cell) 
                   ? DATE_FORMAT.format(cell.getDateCellValue()) 
                   : String.valueOf(cell.getNumericCellValue());
        case Cell.CELL_TYPE_BOOLEAN:
            return String.valueOf(cell.getBooleanCellValue());
        case Cell.CELL_TYPE_FORMULA:
            return cell.getCellFormula();
        default:
            return "";
    }
}

（三）Java 8兼容性改造

将枚举和switch表达式改为传统写法，使用Cell.CELL_TYPE_* 常量，并重构行复制方法，使其在Java 8环境下稳定运行。改造后的行复制方法如下：

private static void copyRowWithDateHandling(Row sourceRow, Row targetRow, 
                                           Workbook sourceWorkbook, Workbook targetWorkbook) {
    for (int i = 0; i < sourceRow.getLastCellNum(); i++) {
        Cell sourceCell = sourceRow.getCell(i);
        Cell targetCell = targetRow.createCell(i);
        if (sourceCell != null) {
            int cellType = sourceCell.getCellType();
            switch (cellType) {
                case Cell.CELL_TYPE_STRING:
                    targetCell.setCellValue(sourceCell.getStringCellValue());
                    break;
                case Cell.CELL_TYPE_NUMERIC:
                    if (DateUtil.isCellDateFormatted(sourceCell)) {
                        targetCell.setCellValue(sourceCell.getDateCellValue());
                        CellStyle newCellStyle = targetWorkbook.createCellStyle();
                        newCellStyle.cloneStyleFrom(sourceCell.getCellStyle());
                        targetCell.setCellStyle(newCellStyle);
                    } else {
                        targetCell.setCellValue(sourceCell.getNumericCellValue());
                    }
                    break;
                case Cell.CELL_TYPE_BOOLEAN:
                    targetCell.setCellValue(sourceCell.getBooleanCellValue());
                    break;
                case Cell.CELL_TYPE_FORMULA:
                    targetCell.setCellFormula(sourceCell.getCellFormula());
                    break;
            }
        }
    }
}

（四）完整功能实现

经过上述优化后，我们的代码实现了以下功能：

准确读取Excel文件中的数据，包括各种类型单元格数据，特别是正确处理了日期格式数据，避免了数据变形问题。
通过HttpURLConnection有效检测图片URL的合法性及获取图片大小，能够精准筛选出大于1MB或无法访问（404）的图片记录。
在生成新Excel文件时，完整保留了原始数据的格式，并新增列存储图片大小信息和筛选状态，方便用户查看筛选结果。
兼容Java 8环境，确保代码在不同版本的JDK下稳定运行，适应更多实际应用场景。

四、使用说明

（一）环境准备

JDK版本 ：需安装JDK 8或以上版本。
Maven依赖 ：在项目中引入以下Apache POI相关依赖，用于操作Excel文件。

<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>4.1.2</version>
</dependency>
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>4.1.2</version>
</dependency>

（二）运行方式

根据实际需求修改main方法中的输入文件路径（inputFilePath）和输出文件路径（outputFilePath），指定待处理的Excel文件和生成结果的保存位置。
编译项目，运行ImageSizeFilter类的main方法，程序将自动开始处理Excel文件，并在控制台输出处理进度和结果信息。

（三）自定义配置

图片大小阈值 ：可通过修改SIZE_THRESHOLD常量的值来调整图片大小筛选阈值，例如将其改为2.0，则筛选出大于2MB的图片。
网络连接超时时间 ：根据网络状况调整CONNECT_TIMEOUT和READ_TIMEOUT常量的值，以优化图片URL检测过程中的网络连接性能。
日期显示格式 ：若需更改日期在新Excel文件中的显示格式，可修改DATE_FORMAT常量对应的SimpleDateFormat模式，如改为 “yyyy/MM/dd HH:mm:ss” 以包含时间信息。

五、技术总结与扩展方向

（一）关键技术点总结

POI操作Excel ：熟练掌握POI对Excel文件的读写操作，包括工作簿、工作表、行、单元格的创建、获取及数据读写，是实现本功能的核心基础。通过合理使用CellStyle等类，可有效控制单元格数据的显示格式。
HttpURLConnection网络请求 ：利用HttpURLConnection发送HEAD请求检测图片URL的有效性及获取图片大小，是一种高效且节省带宽的方法。正确设置请求方法、超时时间等参数，可确保网络请求的稳定性和准确性。
Java 8兼容性编程 ：在实际项目开发中，考虑到不同环境的兼容性需求，避免使用过高版本的Java特性，采用传统语法结构和常量，能提高代码的通用性和可移植性。
数据格式处理 ：对于Excel中的日期等特殊数据类型，需深入了解其存储和展示原理，通过合理的判断和转换逻辑，确保数据在程序处理过程中及最终结果中的准确性。

（二）可能的扩展方向

多线程处理 ：针对大规模数据处理场景，可考虑引入多线程技术，将Excel文件的行数据分配到多个线程同时进行图片URL检测和筛选操作，从而显著提高处理效率，减少程序运行时间。
图片预览功能 ：在筛选出不符合要求的图片后，为进一步方便用户查看和分析，可增加图片预览功能。例如，利用图像处理库将图片缩略图嵌入到生成的新Excel文件中，或开发一个简单的界面程序展示图片预览。
支持多种文件格式 ：除了Excel文件（.xlsx），还可扩展程序支持CSV等其他常见数据文件格式，以适应更广泛的数据处理需求。这需要根据不同文件格式的特点，调整数据读取、写入及格式处理等相关代码逻辑。
数据库存储与查询 ：对于经过筛选的图片数据及相关信息，可考虑将其存储到数据库中，实现数据的持久化。同时，借助数据库的查询功能，能够方便地对筛选结果进行后续的统计分析、数据检索等操作，为用户提供了一种更灵活的数据管理方式。

六、结语

通过本案例，我们深刻体会到Java在数据处理领域的强大能力以及在实际业务开发中的广泛应用。借助Apache POI和HttpURLConnection等工具和技术，能够高效地实现Excel图片URL的筛选与大小检测功能，并解决实际业务中的数据清洗问题。在开发过程中，注重细节处理，如数据格式保留、跨版本兼容性等，是提升程序质量和用户体验的关键。未来，随着业务需求的不断拓展和技术的持续发展，我们可以对现有程序进行进一步优化和扩展，以满足更多样化的数据处理场景。

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2025-06-18，如有侵权请联系 cloudcommunity@tencent.com 删除

java