实例解说：用Perl来分析并生成中文Excel文件

【 tulaoshi.com - PHP 】

    最近实验室作为自学考试的考场，需要在服务器上面为每个学生创建FTP帐号，我计划用Perl来实现的批处理创建。考虑到获取的考场学生名单是存储在Excel文件里面的，因此还需要让Perl去分析Excel文件。通过google找到用Spreadsheet::ParseExcel以及Spreadsheet::WriteExcel来读写Excel。在www.cpan.org上下载了相应的Module并看了文档、范例后，终于写出了一个程序可以读考场学生名单，并生成密码清单存到另一个Excel文件中。

    这还只是第一步，刚写出来的程序读Excel文件中的中文，也无法将中文写入Excel文件：单元格(Cell) 和工作簿(Worksheet) 中的汉字。

    在找相应的帮助，得知可以用Spreadsheet::ParseExcel::FmtUnicode来处理Excel文件中的Unicode字符，其使用方法如下：
use Spreadsheet::ParseExcel::FmtUnicode;
my $oFmtJ = Spreadsheet::ParseExcel::FmtUnicode-new(Unicode_Map = CODE);
my $oBook = Spreadsheet::ParseExcel::Workbook-Parse($ARGV[0], $oFmtJ);

    知道了实现的方法，但是这个CODE的值应该为多少还不知道。刚开始我猜测是'GB2312'，可是不知道是哪里其他什么地方错了导致不成功；后来看到Manual里提到'GB2312-80'，也试了一下，还是不行。最后只好google，发现别人用的是'CP936'，这次就成功了。当成功了以后再把CODE改回'GB2312'居然也可以了。

    现在读Excel文件已经没有问题了，可是尽管这些中文读出来了，可是在写Excel文件的时候并无法写入中文。

    解决方案就只有两种了：网上搜索答案；看ParseExcel的原文件逆向处理。

    首先通过看WriteExcel的Manual得知它是支持写Unicode字符的，其中就有一个Example说明了通过write_unicode()函数来向单元格写入日文Unicode字符。可是Example里面提供的日文字符串是通过pack来生成的，本身已经是Unicode格式的了，而我们通常使用的GB2312的字符不属于Unicode字符串，所以没法直接写入。那么如何转换呢？

    通过分析Spreadsheet::ParseExcel.pm和Spreadsheet::ParseExcel::FmtUnicode.pm发现：所有通过ParseExcel从Excel文件中分析出来的字符都是经过函数TextFmt()格式化过的，这个函数的定义在FmtUnicode.pm中。而TextFmt()核心是通过Unicode::Map的from_unicode()函数来将一个unicode字符串转换为非unicode的字符串，当然在转换之前还做了一个处理：s/(.)/x00$1/sg。

    根据这个思路，就在WriteExcel之前，创建一个Unicode::Map对象，然后调用对象里的to_unicode函数进行字符串格式转换，最后调用write_unicode函数将中文写入单元格(Cell) 中。下面给出一个简单的Example：
use Unicode::Map();
my $Map = new Unicode::Map("GB2312");
$worksheet-write_unicode($iR, 2, $Map-to_unicode("考生姓名"))

    单元格中的中文可以正常显示了，可是在写工作簿名称的时候这个方法就不那么管用了，像$worksheet = $workbook-add_worksheet($Map-to_unicode($name)这样进行的话，就会产生工作簿名称非法的错误而退出。同样的方法在set_header()是也不管用，尽管不会出错可是显示的却是乱码。在处理单元格的时候有分unicode的方法和非unicode的方法，为什么add_worksheet的时候没有呢？莫非要自己去写个函数或者加个参数来扩展？

    单元格中的中文可以正常显示了，可是在写工作簿名称的时候这个方法就不那么管用了，像$worksheet = $workbook-add_worksheet($Map-to_unicode($name)这样进行的话，就会产生工作簿名称非法的错误而退出。同样的方法在set_header()是也不管用，尽管不会出错可是显示的却是乱码。在处理单元格的时候有分unicode的方法和非unicode的方法，为什么add_worksheet的时候没有呢？莫非要自己去写个函数或者加个参数来扩展？

    再次进入源代码Spreadsheet::WriteExcel::Workbook.pm，发现原来add_worksheet()函数还可以传递一个$encoding的参数的，可是这个参数仅用于判断输入的unicode字符是否符合长度要求，编码转换哪里去了？如果说要自己去补齐的话该加什么代码呢？比较Spreadsheet::WriteExcel::Worksheet.pm中的write()（实际上最后调用的是write_string）和write_unicode()发现，后者比前者多了相应的这么一段代码（说相应是由于一些变量名的差异，将此代码直接添加到前者是不能工作的）：

# Check for a valid 2-byte char string.
croak "Uneven number of bytes in Unicode string" if $num_bytes % 2;

# Change from UTF16 big-endian to little endian
$str = pack "v*", unpack "n*", $str

    那么也就是说将这段代码加入到add_workshe