excel 大文件解析原理實現

 問題

目前的excel 不像之前的excel了可以支持的數據量更大，可以支持支持1048576行，16384列。

之前使用poi讀取，直接報錯，使用excel 事件的方式讀取，還有不少的bug，關鍵是程序寫的很復雜。

 

解決方案

我們知道excel 文件實際上是一個壓縮包來的，我們將excel 直接改名為rar或zip文件。

我們可以將文件解壓出來。

我們可以看到excel 實際上是一堆xml文件的集合。

worksheets 中實際存了 這個excel的sheets數據。

但是excel 在存數據的時候，他會將字符串數據存在在sharedString.xml 文件中。

sharedString.xml 文件數據如下：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<sst
    xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="6" uniqueCount="4">
    <si>
        <t>guangzhou</t>
    </si>
    <si>
        <t>beijing</t>
    </si>
    <si>
        <t>hujun</t>
    </si>
    <si>
        <t>c</t>
    </si>
</sst>

這個數據存放了字符串的數據。

sheet 表文件也是一個xml文件，格式如下圖：

我們查看xml文件可以得知。

 

 這里0，1，2，3 存的是 sharedString.xml 字符串的下標。

數字和日期型數據是直接存放在sheets 數據中的。

日期型數據的存儲有些特殊

比如這個 他的日期實際是 2019-5-29日，這個是怎么計算的呢，他實際是從1900-0-0 開始加上43614天。

因此 明白了excel的結構 ，我們就很容易去實現讀excel的代碼，可以繞開poi哪些api。

直接讀取xml。

 

實現思路

1.將文件解壓。

2.讀取sharedString.xml 將數據讀取到list列表。

3.讀取sheet.xml文件數據，遍歷這個數據，將字符串的數據，去上面的列表中查找，其他類型的數據直接在sheet.xml 中讀取。