用于读取的Apache POI流(SXSSF)

Question

我需要读取大型excel文件并将它们的数据导入到我的应用程序中。

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());
    }
}

我在互联网上研究并找到了几个流式API的例子，但它们都不是关于读取现有文件的，它们都是关于生成excel文件的。

实际上是否可以从流中现有的.xlsx文件中读取数据？

Answer 1

又挖了一些，才发现了这个库：

如果您过去使用过Apache POI读取Excel文件，您可能会注意到它的内存效率不高。读取整个工作簿将导致严重的内存使用量峰值，从而对服务器造成严重破坏。

Apache必须阅读整个工作簿的原因有很多，但大多数都与库允许您使用随机地址进行读写有关。如果（并且只有当）您只是想以快速和有效的方式读取Excel文件的内容，您可能不需要这种能力。不幸的是，POI库中用于读取流工作簿的唯一东西要求您的代码使用类似SAX的解析器。该API中缺少所有友好类，如Row和Cell。

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，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，并自己处理它。这是为那些愿意学习一点.xlsx文件的低级结构并乐于在Java中处理XML的中级开发人员准备的。它使用起来比较简单，但需要对文件结构有一个基本的了解。所提供的优点是，您可以用相对较小的内存占用来读取XLSX文件。