用于阅读的 Apache POI Streaming (SXSSF)

我需要读取大型 Excel 文件并将其数据导入到我的应用程序中。

由于 POI 需要占用大量堆来工作，因此经常抛出OutOfMemory错误，我发现有一个流媒体用于以串行方式处理 Excel 数据的 API（而不是将文件完全加载到内存中）

我创建了一个xlsx工作簿，带有一个工作表，并在单元格中输入了多个值，并提出以下代码来尝试读取它：

public static void main(String[] args) throws Throwable {
    // keep 100 rows in memory, exceeding rows will be flushed to disk
    SXSSFWorkbook wb = new SXSSFWorkbook(new XSSFWorkbook(new FileInputStream("C:\\test\\tst.xlsx")));
    SXSSFSheet sheet = (SXSSFSheet) wb.getSheetAt(0);
    Row row = sheet.getRow(0);
    //row is always null
    while(row.iterator().hasNext()){ //-> NullPointerException
        System.out.println(row.getCell(0).getStringCellValue());
    }
}

然而，尽管能够正确获取其工作表，但它总是带有空（null) rows.

我在互联网上研究并找到了几个 Streaming API 的例子，但没有一个是关于reading现有的文件，它们都是关于生成excel文件的。

是否真的可以从现有的数据中读取数据.xlsx流中的文件？

经过更多挖掘后，我发现了这一点library https://github.com/monitorjbl/excel-streaming-reader:

如果您过去使用过 Apache POI 来读取 Excel 文件，您可能会注意到它的内存效率不是很高。读取整个工作簿将导致严重的内存使用高峰，这可能会对服务器造成严重破坏。

Apache 必须阅读整个工作簿有很多充分的理由，但其中大多数都与该库允许您使用随机地址进行读写有关。如果（且仅当）您只想以快速且节省内存的方式读取 Excel 文件的内容，您可能不需要此功能。不幸的是，POI 库中唯一用于读取流工作簿的功能要求您的代码使用类似 SAX 的解析器。该 API 中缺少所有友好的类，例如 Row 和 Cell。

该库充当流 API 的包装器，同时保留标准 POI API 的语法。请继续阅读，看看它是否适合您。

InputStream is = new FileInputStream(new File("/path/to/workbook.xlsx"));
StreamingReader reader = StreamingReader.builder()
        .rowCacheSize(100)    // number of rows to keep in memory (defaults to 10)
        .bufferSize(4096)     // buffer size to use when reading InputStream to file (defaults to 1024)
        .sheetIndex(0)        // index of sheet to use (defaults to 0)
        .sheetName("sheet1")  // name of sheet to use (overrides sheetIndex)
        .read(is);            // InputStream or File for XLSX file (required)

还有SAX 事件 API http://poi.apache.org/spreadsheet/how-to.html#xssf_sax_api，它读取文档并通过事件解析其内容。

如果内存占用是一个问题，那么对于 XSSF，您可以获取底层 XML 数据，并自行处理它。这适用于愿意学习一点 .xlsx 文件的低级结构并且乐于在 java 中处理 XML 的中级开发人员。它使用起来相对简单，但需要对文件结构有基本的了解。提供的优点是您可以读取内存占用相对较小的 XLSX 文件。