秒懂POI解析excel，SAXParser解析大xlsx，XSSFReader处理包括被忽略的空单元格处理
poi常用解析excel文件
excel分97-03格式xls和07格式xlsx，官网对于这两种的说明POI-HSSF and POI-XSSF
最新的是SXSSF (是对XSSF的改进，适合生成超大excel文件，有效降低堆内存，防止崩溃)
解析简单excel文件可以尝试这个
超简单读取Excel使用Apache POI java api
【原理】
poi先将excel转为xml，而后是使用SAXParser解析器，解析xml文件得到excel的数据
xml解析一般是先转dom树，然后操作，【方便随意遍历】，但是这需要将全部xml加载处理，适合小的xml，或者配置类xml
xml文件到数百M或上G的量，全部加载效率低，无法生成完整dom树操作，所以SAX解析器是循环读取一定长度处理，读到一个标签就会回调一个用户方法处理，这样减小内存。【适合大量数据导入，不能回头遍历以前的xml，需要自己实现处理xml内读取的数据关系】
excel转换后的完整xml例子,test.xml
1
2
4
7
0
4
32423
78979
3
22
33
55
1
2
201287
123131
【XSSFReader空单元格，空行问题，从上面的xml可以看出】
poi转换excel为xml会忽略空单元格（不是单元格内容为空格，是单元格没有内容，可能是excel格式压缩存储原因）和空行，导致转换后的【数据错位问题】，需要自己实现判断空单元格和空行处理 (根据excel的行列号，比如B1, D1则表明C1是空单元格，行row的行列号由L3（L是列号，3是行号），到AB7，表明4，5，6是空行)
【注意】有的单元格只修改单元格格式，而没有内容，会出现只有c标签，后面没有v标签
【SAXParser解析器DefaultHandler】
从上面的介绍可以大致了解poi处理excel的过程，我们要做的就是覆盖实现解析的方法，来达到自己的需求
自己的Handler继承DefaultHandler，覆盖一些方法
xml标签是成对出现的，有开始，有结束
startDocument是?xml标签的回调处理方法
startElement方法是读到一个xml开始标签时的回调处理方法，比如上面的
【注意xml中的c与v标签】
c就是cell单元格，c的属性r是行列号，t是类型，当t是s,表示是SST（SharedStringsTable） 的索引，其他类型很多，不一一列举，打开调试看看完整xml内容，注意在自己的Handler中处理，比如单元格是日期格式等等
v是单元内容【或SST索引】，注意SST索引的取值方式
【SharedStringsTable–SST索引】
excel中多个单元格共享一个相同字符串，压缩存储, 打开sst.writeTo(System.out)注释，看看生成的xml，v表示的sst索引就是si节点的序号
以下是一个基本的处理类，可以很好理解poi解析excel，可以根据需要完善一下，【包含空单元格处理，空行处理】
//单文件示例代码，转换结果在List> container
import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.util.IOUtils;
import org.apache.poi.xssf.eventusermodel.XSSFReader;
import org.apache.poi.xssf.model.SharedStringsTable;
import org.apache.poi.xssf.usermodel.XSSFRichTextString;
import org.xml.sax.Attributes;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;
import org.xml.sax.XMLReader;
import org.xml.sax.helpers.DefaultHandler;
import org.xml.sax.helpers.XMLReaderFactory;
import java.io.ByteArrayInputStream;
import java.io.File;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
public class Excel {
public static void main(String[] args) throws Exception {
File test = new File(".");
String file = test.getAbsolutePath() + "/src/main/resources/test.xlsx";
OPCPackage pkg = OPCPackage.open(file);
XSSFReader r = new XSSFReader(pkg);
InputStream is = r.getSheet("rId1");
//debug 查看转换的xml原始文件，方便理解后面解析时的处理,
byte[] isBytes = IOUtils.toByteArray(is);
Excel.streamOut(new ByteArrayInputStream(isBytes));
//下面是SST 的索引会用到的
SharedStringsTable sst = r.getSharedStringsTable();
System.out.println("excel的共享字符表sst------------------start");
sst.writeTo(System.out);
System.out.println();
System.out.println("excel的共享字符表sst------------------end");
XMLReader parser = XMLReaderFactory.createXMLReader("org.apache.xerces.parsers.SAXParser");
List> container = new ArrayList<>();
parser.setContentHandler(new Myhandler(sst, container));
InputSource inputSource = new InputSource(new ByteArrayInputStream(isBytes));
parser.parse(inputSource);
is.close();
Excel.printContainer(container);
}
public static void printContainer(List> container) {
System.out.println("excel内容------------- -start");
for (List stringList : container) {
for (String str : stringList) {
System.out.printf("%20s", str + " | ");
}
System.out.println();
}
System.out.println("excel内容---------------end");
}
//读取流，查看文件内容
public static void streamOut(InputStream in) throws Exception {
System.out.println("excel转为xml------------start");
byte[] buf = new byte[1024];
int len;
while ((len = in.read(buf)) != -1) {
System.out.write(buf, 0, len);
}
System.out.println();
System.out.println("excel转为xml------------end");
}
}
class Myhandler extends DefaultHandler {
//取SST 的索引对应的值
private SharedStringsTable sst;
public void setSst(SharedStringsTable sst) {
this.sst = sst;
}
//解析结果保存
private List> container;
public Myhandler(SharedStringsTable sst, List> container) {
this.sst = sst;
this.container = container;
}
/**
* 存储cell标签下v标签包裹的字符文本内容
* 在v标签开始后，解析器自动调用characters()保存到 lastContents
* 【但】当cell标签的属性 s是 t时, 表示取到的lastContents是 SharedStringsTable 的index值
* 需要在v标签结束时根据 index(lastContents)获取一次真正的值
*/
private String lastContents;
//有效数据矩形区域,A1:Y2
private String dimension;
//根据dimension得出每行的数据长度
private int longest;
//上个有内容的单元格id，判断空单元格
private String lastCellid;
//上一行id, 判断空行
private String lastRowid;
// 判断单元格cell的c标签下是否有v，否则可能数据错位
private boolean hasV = false;
//行数据保存
private List currentRow;
//单元格内容是SST 的索引
private boolean isSSTIndex = false;
@Override
public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
// System.out.println("startElement:"+qName);
lastContents = "";
if (qName.equals("dimension")) {
dimension = attributes.getValue("ref");
longest = covertRowIdtoInt(dimension.substring(dimension.indexOf(":") + 1));
}
//行开始
if (qName.equals("row")) {
String rowNum = attributes.getValue("r");
//判断空行
if (lastRowid != null) {
//与上一行相差2, 说明中间有空行
int gap = Integer.parseInt(rowNum) - Integer.parseInt(lastRowid);
if (gap > 1) {
gap -= 1;
while (gap > 0) {
container.add(new ArrayList<>());
gap--;
}
}
}
lastRowid = attributes.getValue("r");
currentRow = new ArrayList<>();
}
if (qName.equals("c")) {
String rowId = attributes.getValue("r");
//空单元判断，添加空字符到list
if (lastCellid != null) {
int gap = covertRowIdtoInt(rowId) - covertRowIdtoInt(lastCellid);
for (int i = 0; i < gap - 1; i++) {
currentRow.add("");
}
} else {
//第一个单元格可能不是在第一列
if (!"A1".equals(rowId)) {
for (int i = 0; i < covertRowIdtoInt(rowId) - 1; i++) {
currentRow.add("");
}
}
}
lastCellid = rowId;
//判断单元格的值是SST 的索引，不能直接characters方法取值
if (attributes.getValue("t") != null && attributes.getValue("t").equals("s")) {
isSSTIndex = true;
} else {
isSSTIndex = false;
}
}
}
@Override
public void endElement(String uri, String localName, String qName) throws SAXException {
// System.out.println("endElement:"+qName);
//行结束,存储一行数据
if (qName.equals("row")) {
//判断最后一个单元格是否在最后，补齐列数
//【注意】有的单元格只修改单元格格式，而没有内容，会出现c标签下没有v标签，导致currentRow少
if (covertRowIdtoInt(lastCellid) < longest) {
int min = Math.min(currentRow.size(), covertRowIdtoInt(lastCellid));
for (int i = 0; i < longest - min; i++) {
currentRow.add("");
}
}
container.add(currentRow);
lastCellid = null;
}
//单元格结束，没有v时需要补位
if (qName.equals("c")){
if (!hasV) currentRow.add("");
hasV = false;
}
//单元格内容标签结束，characters方法会被调用处理内容
if (qName.equals("v")) {
hasV = true;
//单元格的值是SST 的索引
if (isSSTIndex) {
String sstIndex = lastContents.toString();
try {
int idx = Integer.parseInt(sstIndex);
XSSFRichTextString rtss = new XSSFRichTextString(
sst.getEntryAt(idx));
lastContents = rtss.toString();
currentRow.add(lastContents);
} catch (NumberFormatException ex) {
System.out.println(lastContents);
}
} else {
currentRow.add(lastContents);
}
}
}
/**
* 获取element的文本数据
*
* @see org.xml.sax.ContentHandler#characters
*/
public void characters(char[] ch, int start, int length)
throws SAXException {
lastContents += new String(ch, start, length);
}
/**
* 列号转数字 AB7-->28 第28列
*
* @param cellId 单元格定位id，行列号，AB7
* @return
*/
public static int covertRowIdtoInt(String cellId) {
StringBuilder sb = new StringBuilder();
String column = "";
//从cellId中提取列号
for(char c:cellId.toCharArray()){
if (Character.isAlphabetic(c)){
sb.append(c);
}else{
column = sb.toString();
}
}
//列号字符转数字
int result = 0;
for (char c : column.toCharArray()) {
result = result * 26 + (c - 'A') + 1;
}
return result;
}
public static void main(String[] args) {
System.out.println(Myhandler.covertRowIdtoInt("AB7"));
}
}
需要用到的类，pom.xml
4.0.0
com.ddddd
poi
1.0-SNAPSHOT
UTF-8
1.8
1.8
maven-ali
http://maven.aliyun.com/nexus/content/groups/public//
true
true
always
fail
org.apache.poi
poi-ooxml
3.17
xerces
xercesImpl
2.11.0