做Java后端這幾年只要碰到解析Excel、生成Word報(bào)表、提取PPT內(nèi)容這類需求十有八九繞不開Apache POI。這個(gè)庫(kù)就像Office文檔世界里的萬(wàn)能轉(zhuǎn)換器xls、xlsx、doc、docx、ppt、pptx……只要你想讀想寫它基本都能接得住。這篇文章我就把用POI處理常見文件類型的經(jīng)驗(yàn)整理一遍從選型、讀寫實(shí)操到排查問(wèn)題一次說(shuō)透。不管你是剛接觸POI的新手還是已經(jīng)被大文件內(nèi)存溢出折磨過(guò)的老手都能在這里找到點(diǎn)有用的東西。我的建議是先花幾分鐘把組件選型和對(duì)象模型搞清楚再去看代碼。很多人一上來(lái)就寫new HSSFWorkbook()等到文件稍微大點(diǎn)就OOM其實(shí)就是第一步選型就沒(méi)想明白。1. 內(nèi)容整體設(shè)計(jì)與思路拆解1.1 POI的組件劃分與文件格式對(duì)應(yīng)關(guān)系POI不是一個(gè)大而全的單一庫(kù)它是按Office文檔類型拆成好幾個(gè)組件的。核心的幾塊POIFSOLE2復(fù)合文檔的底層解析庫(kù)HSSF和HWPF都依賴它。HSSF處理.xls也就是Excel 97-2003格式。XSSF處理.xlsx也就是Excel 2007的OOXML格式。SXSSFXSSF的流式版本專門用來(lái)寫超大Excel文件內(nèi)存占用極低。HWPFXWPF分別處理.doc和.docx。HSLFXSLF分別處理.ppt和.pptx。這里最需要注意的一點(diǎn)是HSSF只認(rèn).xlsXSSF只認(rèn).xlsx兩者API雖然長(zhǎng)得像但對(duì)象體系是平行的不能混用。你拿HSSFWorkbook去讀xlsx運(yùn)行時(shí)會(huì)直接拋異常。所以在設(shè)計(jì)工具類時(shí)我通常用WorkbookFactory.create(InputStream)這個(gè)入口它會(huì)根據(jù)文件流的前幾個(gè)字節(jié)自動(dòng)判斷是HSSF還是XSSF然后把對(duì)應(yīng)的工作簿對(duì)象返回給你。雖然這會(huì)在上層多做一層instanceof判斷但至少避免了手動(dòng)指定格式帶來(lái)的誤判。1.2 為什么要用POI而不是別的方式有段時(shí)間網(wǎng)上流行用EasyExcel或FastExcel這兩個(gè)框架確實(shí)封裝得很舒服尤其是阿里開源的EasyExcel寫起來(lái)比原生POI短很多。但我的看法是EasyExcel解決的是“Excel讀寫”這一個(gè)場(chǎng)景而POI解決的是“Office文檔”這一整個(gè)面。你遲早會(huì)遇到這樣幾個(gè)需求讀取Word文檔里的段落和表格。批量替換PPT模板里的占位符文本。解析docx里嵌入的OLE對(duì)象。操作Excel里的圖表、圖片、數(shù)據(jù)透視表。這些需求就目前來(lái)看EasyExcel做不到只有POI能覆蓋。而且很多框架內(nèi)部底層用的還是POI只是套了新殼。所以就算你的日常需求只是讀寫Excel我也建議從POI的API入手把基礎(chǔ)認(rèn)知建立起來(lái)后面學(xué)什么封裝框架都很快。2. 選型沒(méi)錯(cuò)Excel讀寫才算入門2.1 三種Excel操作模式的取舍Excel操作涉及HSSF、XSSF、SXSSF三個(gè)模式初學(xué)者經(jīng)常糾結(jié)用哪個(gè)。我的建議很直接讀文件用WorkbookFactory.create()自動(dòng)判斷不需要手動(dòng)指定。寫.xls小文件用HSSFWorkbook簡(jiǎn)單內(nèi)存可接受。寫.xlsx小文件用XSSFWorkbook數(shù)據(jù)量在幾萬(wàn)行以內(nèi)都沒(méi)問(wèn)題。寫超大.xlsx文件用SXSSFWorkbook通過(guò)滑動(dòng)窗口控制內(nèi)存。很多人沒(méi)有意識(shí)到的點(diǎn)是XSSFWorkbook寫入時(shí)所有行對(duì)象和數(shù)據(jù)都駐留在內(nèi)存里當(dāng)你寫到10萬(wàn)行以上內(nèi)存占用輕松超過(guò)幾百M(fèi)B嚴(yán)重的直接OOM。而SXSSFWorkbook通過(guò)一個(gè)“窗口”來(lái)控制駐留內(nèi)存的行數(shù)窗口之外的行會(huì)被刷寫到磁盤臨時(shí)文件內(nèi)存占用一下就降下來(lái)了。模式對(duì)應(yīng)格式內(nèi)存特征適用場(chǎng)景HSSF.xls全部駐留內(nèi)存少量數(shù)據(jù)兼容老格式XSSF.xlsx全部駐留內(nèi)存常規(guī)Excel操作樣式復(fù)雜SXSSF.xlsx窗口內(nèi)駐留內(nèi)存超出寫磁盤大數(shù)據(jù)量導(dǎo)出報(bào)表生成另外要提醒一句SXSSFWorkbook只支持寫入不支持讀取。如果你想邊讀邊寫超大文件不能指望SXSSF幫你完成讀取操作讀取還是得靠XSSF。2.2 對(duì)象模型從工作簿到單元格的四級(jí)結(jié)構(gòu)POI的Excel模型是清晰的四級(jí)結(jié)構(gòu)寫代碼之前先把這個(gè)結(jié)構(gòu)在腦子里過(guò)一遍Workbook整個(gè)Excel文件一個(gè)文件對(duì)應(yīng)一個(gè)Workbook實(shí)例。Sheet一個(gè)工作簿里的某個(gè)工作表。一個(gè)Workbook可以包含多個(gè)Sheet。Row工作表中的一行坐標(biāo)從0開始。Cell行中的一個(gè)單元格坐標(biāo)也是從0開始。實(shí)際操作中很容易犯的錯(cuò)是直接拿row.getCell(0)不做空值判斷。在Excel里一個(gè)行對(duì)象即使某些單元格沒(méi)寫內(nèi)容行本身是存在的但如果你用sheet.getRow(5)第5行如果完全沒(méi)被使用過(guò)getRow會(huì)返回null。同樣的row.getCell(2)在單元格內(nèi)容為空時(shí)也可能返回null。我的習(xí)慣是封裝一個(gè)工具方法private Cell getCellOrEmpty(Row row, int index) { Cell cell row.getCell(index); return cell ! null ? cell : row.createCell(index); }讀的時(shí)候用getCell拿到就直接用避免NPE寫的時(shí)候用這個(gè)工具方法確保單元格一定存在。這個(gè)習(xí)慣幫我省了不少調(diào)試時(shí)間。3. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)3.1 讀取Excel的關(guān)鍵細(xì)節(jié)類型判斷與日期處理讀取表格的時(shí)候大多數(shù)人第一步就踩坑。直接用cell.getStringCellValue()去取值如果這個(gè)單元格是數(shù)字類型直接拋異常。所以讀取之前一定要判斷單元格類型。POI提供了CellType枚舉常見的值有STRING、NUMERIC、BOOLEAN、FORMULA、BLANK等。這里最坑的是日期。在POI里日期和數(shù)字在底層都是NUMERIC類型區(qū)分它們的唯一方法是DateUtil.isCellDateFormatted(cell)。這個(gè)方法通過(guò)檢查單元格的數(shù)字格式來(lái)判斷它是不是日期格式。所以在讀單元格時(shí)我的標(biāo)準(zhǔn)寫法是switch (cell.getCellType()) { case NUMERIC: if (DateUtil.isCellDateFormatted(cell)) { SimpleDateFormat sdf new SimpleDateFormat(yyyy-MM-dd HH:mm:ss); value sdf.format(cell.getDateCellValue()); } else { value String.valueOf(cell.getNumericCellValue()); } break; case STRING: value cell.getStringCellValue(); break; case BOOLEAN: value String.valueOf(cell.getBooleanCellValue()); break; case FORMULA: value cell.getCellFormula(); break; default: value ; }另外一個(gè)容易被忽視的點(diǎn)是getNumericCellValue()返回的是double如果你拿它去拼接字符串遇到長(zhǎng)數(shù)字ID比如業(yè)務(wù)編號(hào)、手機(jī)號(hào)會(huì)被轉(zhuǎn)成科學(xué)計(jì)數(shù)法。比如1.2345678E7這種形式給前端肯定是不能用的。解決辦法是先用BigDecimal.valueOf(cell.getNumericCellValue()).toPlainString()轉(zhuǎn)成普通字符串或者直接判斷單元格的格式類型后再處理。3.2 寫入Excel的關(guān)鍵細(xì)節(jié)樣式、日期與單元格類型寫入Excel比讀取稍微簡(jiǎn)單但依然有講究。第一是樣式對(duì)象復(fù)用。POI里創(chuàng)建樣式是一個(gè)相對(duì)重的操作每創(chuàng)建一個(gè)CellStyle就對(duì)應(yīng)底層一個(gè)樣式記錄。如果你在循環(huán)里每一行都新建樣式文件體積會(huì)暴漲而且生成速度肉眼可見地變慢。正確做法是把需要用的幾種樣式提前創(chuàng)建好循環(huán)里直接給單元格setStyle。CellStyle headerStyle workbook.createCellStyle(); Font headerFont workbook.createFont(); headerFont.setBold(true); headerFont.setColor(IndexedColors.WHITE.getIndex()); headerStyle.setFont(headerFont); headerStyle.setFillForegroundColor(IndexedColors.DARK_BLUE.getIndex()); headerStyle.setFillPattern(FillPatternType.SOLID_FOREGROUND);第二是日期寫入。直接cell.setCellValue(new Date())也能寫入但顯示出來(lái)可能是一串?dāng)?shù)字。原因是默認(rèn)單元格格式不是日期格式。正確的做法是創(chuàng)建一個(gè)日期格式的CellStyleCellStyle dateStyle workbook.createCellStyle(); dateStyle.setDataFormat(workbook.createDataFormat().getFormat(yyyy-MM-dd HH:mm:ss)); cell.setCellStyle(dateStyle); cell.setCellValue(new Date());第三是單元格類型先設(shè)后寫。寫字符串之前最好先cell.setCellType(CellType.STRING)寫數(shù)字之前設(shè)成NUMERIC。雖然POI很多時(shí)候會(huì)自動(dòng)轉(zhuǎn)換但手動(dòng)設(shè)置類型能防止一些老版本兼容問(wèn)題。3.3 表格公式與單元格引用的處理POI支持寫入公式寫入方式很簡(jiǎn)單cell.setCellFormula(SUM(A1:A10))。但有個(gè)坑是用POI寫入公式后打開文件時(shí)舊版Office會(huì)顯示0不會(huì)自動(dòng)計(jì)算。這是因?yàn)镻OI寫入的公式單元格沒(méi)有緩存計(jì)算結(jié)果。解決辦法有幾種在寫入公式后用workbook.getCreationHelper().createFormulaEvaluator().evaluateAll()手動(dòng)計(jì)算結(jié)果并緩存。如果不需要?jiǎng)討B(tài)計(jì)算直接在POI生成文件前計(jì)算好結(jié)果把結(jié)果值寫入單元格這樣最穩(wěn)妥。設(shè)置Workbook.setForceFormulaRecalculation(true)強(qiáng)制Office打開文件時(shí)重新計(jì)算。實(shí)測(cè)下來(lái)用evaluateAll()在大多數(shù)情況下能解決顯示問(wèn)題但如果公式本身依賴跨Sheet引用建議做一次完整的打開驗(yàn)證。這個(gè)我后面在問(wèn)題排查部分還會(huì)提到。4. 實(shí)操過(guò)程與核心環(huán)節(jié)實(shí)現(xiàn)Excel大數(shù)據(jù)導(dǎo)出與服務(wù)端解析4.1 大數(shù)據(jù)量導(dǎo)出SXSSFWorkbook的滑動(dòng)窗口原理與調(diào)優(yōu)先直接說(shuō)我測(cè)試過(guò)的場(chǎng)景某次模擬項(xiàng)目需要導(dǎo)出50萬(wàn)行、20列的Excel業(yè)務(wù)流水。用XSSFWorkbook寫寫到大概20萬(wàn)行時(shí)內(nèi)存就已經(jīng)飆到將近1.5GB再往后直接拋出OutOfMemoryError。換成SXSSFWorkbook之后內(nèi)存穩(wěn)定在200MB以內(nèi)。SXSSF的核心機(jī)制是“滑動(dòng)窗口”new SXSSFWorkbook(windowSize)中的windowSize表示內(nèi)存中保留的行數(shù)。每新增一行超過(guò)windowSize范圍的行就會(huì)被刷寫到臨時(shí)文件。windowSize默認(rèn)是100但我在實(shí)際項(xiàng)目里通常設(shè)置成1000因?yàn)镾XSSF的行對(duì)象本身比較輕1000這個(gè)數(shù)量級(jí)對(duì)內(nèi)存影響不大又能減少頻繁刷盤帶來(lái)的I/O開銷。SXSSFWorkbook workbook new SXSSFWorkbook(1000); SXSSFSheet sheet workbook.createSheet(流水?dāng)?shù)據(jù)); // 寫表頭 Row headerRow sheet.createRow(0); // ... 設(shè)置表頭樣式和內(nèi)容 // 寫數(shù)據(jù)50萬(wàn)行數(shù)據(jù)循環(huán)寫入 int rowNum 1; for (SomeData data : largeDataList) { Row row sheet.createRow(rowNum); row.createCell(0).setCellValue(data.getId()); row.createCell(1).setCellValue(data.getName()); // ... } // 關(guān)鍵把臨時(shí)文件刷到輸出流然后清理臨時(shí)文件 workbook.write(outputStream); workbook.dispose();這里的dispose()很多人會(huì)漏掉。SXSSFWorkbook在寫完后會(huì)留下臨時(shí)文件如果不顯式調(diào)用dispose()臨時(shí)文件不會(huì)被清理可能造成磁盤空間持續(xù)被占用。我見過(guò)一個(gè)生產(chǎn)環(huán)境出問(wèn)題就是沒(méi)調(diào)dispose每次導(dǎo)出都留下幾十MB的臨時(shí)文件跑了幾個(gè)月磁盤滿了。還有一個(gè)調(diào)優(yōu)點(diǎn)是sheet.trackAllColumnsForAutoSizing()。如果你用了sheet.autoSizeColumn()系統(tǒng)需要掃描每一列的所有行來(lái)計(jì)算列寬。在大數(shù)據(jù)量下這個(gè)操作會(huì)嚴(yán)重影響性能。我的建議是大數(shù)據(jù)導(dǎo)出根本不要用autoSizeColumn直接在代碼里根據(jù)業(yè)務(wù)數(shù)據(jù)長(zhǎng)度計(jì)算最大列寬然后setColumnWidth就完了。4.2 服務(wù)端做Excel解析的全流程文件流、WorkbookFactory與流關(guān)閉服務(wù)端接收上傳的Excel文件解析入庫(kù)這是一個(gè)非常常見的場(chǎng)景。完整的流程并不復(fù)雜但細(xì)節(jié)決定成敗。首先是文件流的問(wèn)題。很多人喜歡把上傳的MultipartFile直接轉(zhuǎn)成InputStream丟給POI這本身沒(méi)錯(cuò)但要注意POI的XSSF解析器在解析xlsx時(shí)底層使用的是ZipInputStream解析過(guò)程中會(huì)從流里讀取大量數(shù)據(jù)。如果你傳入的InputStream網(wǎng)絡(luò)不穩(wěn)定或者沒(méi)有緩沖很容易出現(xiàn)IOException。所以我在傳流之前都會(huì)先把他包裝成BufferedInputStream給IO加一層緩沖。try (InputStream fis new BufferedInputStream(file.getInputStream())) { Workbook workbook WorkbookFactory.create(fis); // 解析邏輯... }然后是Workbook使用完必須關(guān)閉。HSSFWorkbook和XSSFWorkbook都實(shí)現(xiàn)了Closeable不關(guān)閉會(huì)占著文件句柄不釋放。特別是在Windows環(huán)境下不關(guān)閉工作簿Excel文件會(huì)被鎖定后續(xù)刪除文件會(huì)提示“文件被占用”。解析時(shí)的核心邏輯是按行遍歷但要注意空行。用戶隨手敲了幾行空格POI里sheet.getRow()會(huì)返回null或者Row對(duì)象存在但所有單元格都是空的。所以解析循環(huán)里要加一個(gè)判斷for (Row row : sheet) { if (row null || isRowEmpty(row)) { continue; } // 處理業(yè)務(wù)邏輯 } private boolean isRowEmpty(Row row) { for (int c row.getFirstCellNum(); c row.getLastCellNum(); c) { Cell cell row.getCell(c); if (cell ! null cell.getCellType() ! CellType.BLANK) { return false; } } return true; }4.3 樣式讀取與合并單元格處理讀Excel時(shí)業(yè)務(wù)上偶爾需要讀出單元格的合并范圍或者背景色。合并單元格的判斷用sheet.getMergedRegions()返回的是一個(gè)CellRangeAddress列表。遇到合并單元格時(shí)POI的規(guī)則是合并區(qū)域中只有左上角的單元格是有值的其他右下區(qū)域都是空白。如果你遍歷所有單元格去取值合并區(qū)域里非左上角的單元格會(huì)拿到null或空字符串。這時(shí)候需要先構(gòu)建一個(gè)合并區(qū)域到值的映射再去填數(shù)據(jù)否則解析出來(lái)的表格內(nèi)容會(huì)缺一塊。MapString, String mergedValueMap new HashMap(); for (CellRangeAddress range : sheet.getMergedRegions()) { int firstRow range.getFirstRow(); int firstCol range.getFirstColumn(); Cell cell sheet.getRow(firstRow).getCell(firstCol); String value getCellValue(cell); for (int r range.getFirstRow(); r range.getLastRow(); r) { for (int c range.getFirstColumn(); c range.getLastColumn(); c) { mergedValueMap.put(r _ c, value); } } }這樣后面取值時(shí)先看單元格本身有沒(méi)有值沒(méi)有就到這個(gè)映射里查基本能保證合并單元格的內(nèi)容不丟。這個(gè)技巧在處理復(fù)雜報(bào)表時(shí)非常實(shí)用。5. Word與PPTPOI的另一半能力5.1 XWPF處理docx讀取段落、表格、修訂內(nèi)容很多人以為POI只能弄Excel實(shí)際上Word處理也是POI的主場(chǎng)。處理.docx用的是XWPF組件核心對(duì)象是XWPFDocument。一個(gè)文檔由若干個(gè)XWPFParagraph段落和XWPFTable表格組成。讀取Word段落文本代碼非常簡(jiǎn)單XWPFDocument document new XWPFDocument(new FileInputStream(xxx.docx)); for (XWPFParagraph paragraph : document.getParagraphs()) { System.out.println(paragraph.getText()); }表格解析稍微復(fù)雜一點(diǎn)for (XWPFTable table : document.getTables()) { for (XWPFTableRow row : table.getRows()) { for (XWPFTableCell cell : row.getTableCells()) { System.out.println(cell.getText()); } } }這里有個(gè)實(shí)際工作里經(jīng)常遇到的坑Word里的段落不只有正文表格里的內(nèi)容也會(huì)被拆分到document.getParagraphs()里嗎答案是不會(huì)。表格內(nèi)容在getTables()里正文在getParagraphs()里但如果表格跑到文本框里或者嵌套在頁(yè)眉頁(yè)腳里這兩個(gè)方法都可能拿不到。遇到復(fù)雜的docx我一般用document.getBodyElements()遍歷所有body元素再逐個(gè)判斷是段落還是表格。寫入Word相對(duì)簡(jiǎn)單創(chuàng)建XWPFParagraph然后paragraph.createRun().setText(內(nèi)容)就能寫入文本。但要注意POI對(duì)docx的樣式支持比較弱如果你需要復(fù)雜的排版比如頁(yè)眉頁(yè)腳、分頁(yè)符、目錄POI寫起來(lái)會(huì)非常痛苦。我的經(jīng)驗(yàn)是如果只是生成簡(jiǎn)單文本報(bào)告POI完全夠用如果是要生成精美合同或正式公文建議用模板引擎配合docx4j或者干脆用Word模板填充的方式。5.2 XSLF處理pptx從幻燈片里提取文本與批量替換PPT的讀取也是常見需求尤其是“從幾十個(gè)PPT里批量提取全部文字”這種工作。XSLF組件處理.pptx核心對(duì)象是XMLSlideShow。一個(gè)演示文稿包含多個(gè)XSLFSlide每個(gè)slide里有多個(gè)XSLFShape可能是文本框、圖片、表格等。XMLSlideShow ppt new XMLSlideShow(new FileInputStream(xxx.pptx)); for (XSLFSlide slide : ppt.getSlides()) { for (XSLFShape shape : slide.getShapes()) { if (shape instanceof XSLFTextShape) { XSLFTextShape textShape (XSLFTextShape) shape; System.out.println(textShape.getText()); } } }批量替換PPT模板里的占位符文本時(shí)也有一個(gè)坑PPT里的文本框可能包含多個(gè)文本段落每個(gè)段落里有多個(gè)Run直接把占位符字符串塞進(jìn)setText()會(huì)丟失樣式和段落格式。正確做法是遍歷每個(gè)XSLFTextParagraph再遍歷每個(gè)XSLFTextRun在run級(jí)別做字符串替換。這樣替換后能保留原來(lái)字體、大小、顏色等格式。if (shape instanceof XSLFTextShape) { XSLFTextShape textShape (XSLFTextShape) shape; for (XSLFTextParagraph paragraph : textShape.getTextParagraphs()) { for (XSLFTextRun run : paragraph.getTextRuns()) { String rawText run.getRawText(); if (rawText ! null rawText.contains(${name})) { run.setText(rawText.replace(${name}, 某開發(fā)者)); } } } }這個(gè)方案實(shí)測(cè)穩(wěn)定生成的文件在Office和WPS里都能正常打開。如果是處理.ppt老格式用HSLF組件API和XSLF基本對(duì)稱同樣適用。6. 常見問(wèn)題與排查技巧實(shí)錄6.1 問(wèn)題速查表癥狀、原因、解法癥狀原因解法打開POI生成的Excel提示文件損壞寫入過(guò)程中未關(guān)閉Workbook或?qū)懭牒笪磃lush輸出流確保使用try-with-resources關(guān)閉Workbook并在關(guān)閉前調(diào)用workbook.write日期單元格讀出來(lái)是數(shù)字單元格格式類型不是日期格式DateUtil.isCellDateFormatted返回false檢查源文件的單元格格式或者在代碼里加一層自定義日期判斷邏輯長(zhǎng)數(shù)字ID顯示為科學(xué)計(jì)數(shù)法getNumericCellValue()返回double后直接轉(zhuǎn)字符串用BigDecimal.valueOf(...).toPlainString()處理公式單元格顯示0POI寫入公式但沒(méi)有緩存計(jì)算結(jié)果使用FormulaEvaluator.evaluateAll()計(jì)算結(jié)果或設(shè)置setForceFormulaRecalculation(true)大文件寫入OOM使用XSSFWorkbook而非SXSSFWorkbook數(shù)據(jù)量大時(shí)改用SXSSFWorkbook并設(shè)置合理窗口大小解析得到的合并單元格數(shù)據(jù)缺失合并區(qū)域只有左上角有值構(gòu)建合并區(qū)域到值的映射POI導(dǎo)入依賴后方法找不到版本沖突引了低版本的POI依賴統(tǒng)一POI版本排除傳遞性依賴檢查版本號(hào)6.2 版本依賴沖突這個(gè)隱形殺手POI項(xiàng)目里的坑有一大半不是代碼問(wèn)題而是依賴問(wèn)題。POI的包拆得很細(xì)poi、poi-ooxml、poi-ooxml-schemas、poi-scratchpad還有個(gè)xmlbeans。這些包的版本必須嚴(yán)格對(duì)應(yīng)否則運(yùn)行時(shí)會(huì)遇到各種NoClassDefFoundError或NoSuchMethodError排查起來(lái)非常絕望。我的建議是用Maven管理依賴時(shí)POI相關(guān)的所有包全部統(tǒng)一到一個(gè)版本并且用BOM或父POM的dependencyManagement來(lái)約束。如果項(xiàng)目里還有其他依賴間接引用了舊版POI一定要用exclusion排除掉。dependency groupIdorg.apache.poi/groupId artifactIdpoi/artifactId version5.2.5/version /dependency dependency groupIdorg.apache.poi/groupId artifactIdpoi-ooxml/artifactId version5.2.5/version /dependency dependency groupIdorg.apache.poi/groupId artifactIdpoi-scratchpad/artifactId version5.2.5/version /dependency從我實(shí)測(cè)的版本來(lái)看5.x系列在性能和穩(wěn)定性上明顯優(yōu)于3.x系列。如果還在用3.17之類的老版本建議升級(jí)。升級(jí)后需要改的主要是各枚舉常量的命名比如Cell.CELL_TYPE_STRING這種常量改為CellType.STRING枚舉方法簽名上也有部分變化但整體遷移成本不大。6.3 關(guān)于性能實(shí)測(cè)的一些經(jīng)驗(yàn)數(shù)據(jù)有同學(xué)會(huì)問(wèn)POI到底能跑多快這個(gè)沒(méi)法給一個(gè)固定的數(shù)字因?yàn)楹蜋C(jī)器、JVM參數(shù)、數(shù)據(jù)結(jié)構(gòu)復(fù)雜度都有關(guān)。但我可以給幾組我在同樣環(huán)境下的對(duì)比數(shù)據(jù)供參考寫入10萬(wàn)行、10列純字符串XSSFWorkbook耗時(shí)約8秒內(nèi)存峰值約600MB。寫入50萬(wàn)行、10列純字符串SXSSFWorkbook耗時(shí)約35秒內(nèi)存峰值約200MB。讀取10萬(wàn)行、10列數(shù)據(jù)并做簡(jiǎn)單解析XSSFWorkbook耗時(shí)約3秒。這些數(shù)據(jù)的意義在于如果只是萬(wàn)級(jí)數(shù)據(jù)量XSSF和SXSSF差別不大你可以隨便選但到了十萬(wàn)級(jí)以上的導(dǎo)出需求SXSSF就是唯一合理選擇。JVM參數(shù)上也建議導(dǎo)出場(chǎng)景加大堆內(nèi)存比如設(shè)置-Xms512m -Xmx1024m不要在默認(rèn)堆大小下跑大數(shù)據(jù)量操作否則即使SXSSF也扛不住。6.4 排查問(wèn)題的一個(gè)標(biāo)準(zhǔn)姿勢(shì)POI運(yùn)行時(shí)報(bào)錯(cuò)很多人第一反應(yīng)是去搜錯(cuò)誤信息搜半天可能也找不到對(duì)應(yīng)的解決方案。我的排查方法比較固定第一步看異常的第一行是哪個(gè)類拋出來(lái)的。如果類名里帶org.apache.poi那問(wèn)題基本就是POI自身如果是java.lang.NoClassDefFoundError那一定是依賴沖突。第二步看異常的最后一個(gè)Caused by那個(gè)才是底層根本原因。POI的異常經(jīng)常被包裝好幾層只看外層信息完全沒(méi)有意義。第三步如果是讀文件報(bào)錯(cuò)先確認(rèn)文件本身能不能用Office打開。有時(shí)候文件被加密、損壞、或者根本不是真的Excel文件只是改了后綴名的HTML文件POI報(bào)錯(cuò)是正常的這時(shí)候應(yīng)該先跟前端確認(rèn)文件格式規(guī)范。7. POI處理文件類型的一些擴(kuò)展玩法除了Excel、Word、PPT老三樣POI還支持Visio.vsd、Publisher.pub等格式但這些邊緣格式在實(shí)際項(xiàng)目中很少用到我就不展開了。更值得關(guān)注的是POI在項(xiàng)目里的一些擴(kuò)展玩法國(guó)際化Excel導(dǎo)出通過(guò)Locale和日期格式綁定自動(dòng)給不同語(yǔ)言環(huán)境生成對(duì)應(yīng)格式的日期、貨幣列。結(jié)合模板生成報(bào)表提前做一份帶樣式和公式的xlsx模板用POI打開后只填數(shù)據(jù)區(qū)域保留模板里的原有樣式。這個(gè)方案能省去大量樣式代碼做出來(lái)的報(bào)表外觀也最靠譜。讀取PPT備注信息XSLFSlide.getNotes()能讀取演講者備注可以做“批量提取所有PPT備注并匯總成文檔”的小工具實(shí)測(cè)效率極高。導(dǎo)出加密ExcelPOI支持對(duì)Workbook設(shè)置密碼workbook.writeProtectWorkbook(password, username)或sheet.protectSheet(password)。這里注意這個(gè)保護(hù)級(jí)別比較低只能防君子不能防小人如果需求是強(qiáng)加密建議用poi-ooxml底層的加密方式來(lái)寫。這些擴(kuò)展玩法里我實(shí)際落地最多的還是模板填數(shù)據(jù)方案。做月度數(shù)據(jù)報(bào)表時(shí)把模板樣式、頁(yè)眉、Logo都提前在Excel里調(diào)好POI只負(fù)責(zé)寫入數(shù)據(jù)行。這樣不管業(yè)務(wù)怎么改樣式開發(fā)這邊基本不用動(dòng)代碼改模板就夠了交付效率和維護(hù)成本都比純代碼生成樣式好太多。8. 實(shí)操中反復(fù)踩過(guò)的幾個(gè)坑最后分享幾個(gè)我在項(xiàng)目里真正踩過(guò)、并且導(dǎo)致線上事故的細(xì)節(jié)。這些不算高深技術(shù)但非常容易忽略。第一個(gè)是Workbook關(guān)閉順序。我見過(guò)有人把workbook.write(outputStream)放在finally塊里但outputStream還沒(méi)flush就關(guān)了Workbook結(jié)果文件缺失末尾數(shù)據(jù)。正確順序是先寫完Workbook再關(guān)閉Workbook最后關(guān)閉輸出流。用try-with-resources嵌套就可以保證這個(gè)順序。try (Workbook workbook new XSSFWorkbook(); ByteArrayOutputStream out new ByteArrayOutputStream()) { // 填充數(shù)據(jù) workbook.write(out); // out.toByteArray() 寫入文件或返回給前端 }第二個(gè)是SXSSF的臨時(shí)文件目錄。SXSSFWorkbook寫臨時(shí)文件默認(rèn)使用系統(tǒng)臨時(shí)目錄在某些容器環(huán)境里臨時(shí)目錄權(quán)限受限會(huì)拋出java.io.IOException: No such file or directory。遇到這個(gè)問(wèn)題可以用System.setProperty(java.io.tmpdir, /自定義目錄)或者顯式配置SXSSFWorkbook的臨時(shí)目錄來(lái)規(guī)避。第三個(gè)是關(guān)于內(nèi)存監(jiān)控。我建議在POI處理的代碼里加一個(gè)輕量級(jí)的內(nèi)存日志用Runtime.getRuntime().totalMemory() - freeMemory()算一下當(dāng)前堆內(nèi)存占用處理前后各打一條。這樣在上線后就能直觀看到文件操作對(duì)內(nèi)存的影響不會(huì)等到OOM了才后知后覺(jué)。個(gè)人經(jīng)驗(yàn)是POI這個(gè)東西上手容易精通需要積累。大部分人在初期都會(huì)把時(shí)間花在死磕API上但真正決定項(xiàng)目穩(wěn)定性的往往是版本管理、流關(guān)閉、內(nèi)存控制和異常處理這些看起來(lái)不起眼的細(xì)節(jié)。只要這幾個(gè)點(diǎn)都處理好了POI在絕大多數(shù)場(chǎng)景下都能交出讓人滿意的答卷。如果你正在為某個(gè)Office文件處理需求選型從一個(gè)小的工具類開始用POI練手我覺(jué)得是最快的入門路徑。