如何读取大于40MB的XLSX文件

Question

我正在使用apache-poi的XSSF读取XLSX文件。我收到一个错误Java.lang.OutOfMemoryError：Java堆空间。后来，对java类使用-xmx1024m增加了堆大小，仍然会重复同样的错误。

String filename = "D:\\filename.xlsx";
FileInputStream fis = null;
try {
   fis = new FileInputStream(filename);
   XSSFWorkbook workbook = new XSSFWorkbook(fis);

在上面的代码段中，执行停止在XSSFWorkbook处，并抛出指定的错误。谁能建议更好的方法来读取大的XLSX文件。

Answer 1

POI允许您以流式方式读取excel文件。API几乎是SAX的包装器。请确保使用包含字符串的构造函数以正确的方式打开OPC包。否则，您可能会立即耗尽内存。

OPCPackage pkg = OPCPackage.open(file.getPath());
XSSFReader reader = new XSSFReader(pkg);

现在，reader将允许您获取不同部分的InputStreams。如果您想自己进行XML解析（使用SAX或StAX)，可以使用这些。但这需要非常熟悉格式。

一个更容易的选项是使用XSSFSheetXmlHandler。下面是一个读到第一页的示例：

StylesTable styles = reader.getStylesTable();
ReadOnlySharedStringsTable sharedStrings = new ReadOnlySharedStringsTable(pkg);
ContentHandler handler = new XSSFSheetXMLHandler(styles, sharedStrings, mySheetContentsHandler, true);

XMLReader parser = XMLReaderFactory.createXMLReader();
parser.setContentHandler(handler);
parser.parse(new InputSource(reader.getSheetsData().next()));

其中mySheetsContentHandler应该是您自己的XSSFSheetXmlHandler.SheetContentShandler实现。将向该类输入行和单元格。

但是，请注意，如果您的共享字符串表很大（如果您的大表中没有任何重复的字符串，就会发生这种情况），那么这可能会适度消耗内存。如果内存仍然是一个问题，我建议使用原始XML流（也由XSSFReader提供）。