excel 大文件解析原理实现

 问题

目前的excel 不像之前的excel了可以支持的数据量更大，可以支持支持1048576行，16384列。

之前使用poi读取，直接报错，使用excel 事件的方式读取，还有不少的bug，关键是程序写的很复杂。

 

解决方案

我们知道excel 文件实际上是一个压缩包来的，我们将excel 直接改名为rar或zip文件。

我们可以将文件解压出来。

我们可以看到excel 实际上是一堆xml文件的集合。

worksheets 中实际存了 这个excel的sheets数据。

但是excel 在存数据的时候，他会将字符串数据存在在sharedString.xml 文件中。

sharedString.xml 文件数据如下：

<?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>

这个数据存放了字符串的数据。

sheet 表文件也是一个xml文件，格式如下图：

我们查看xml文件可以得知。

 

 这里0，1，2，3 存的是 sharedString.xml 字符串的下标。

数字和日期型数据是直接存放在sheets 数据中的。

日期型数据的存储有些特殊

比如这个 他的日期实际是 2019-5-29日，这个是怎么计算的呢，他实际是从1900-0-0 开始加上43614天。

因此 明白了excel的结构 ，我们就很容易去实现读excel的代码，可以绕开poi哪些api。

直接读取xml。

 

实现思路

1.将文件解压。

2.读取sharedString.xml 将数据读取到list列表。

3.读取sheet.xml文件数据，遍历这个数据，将字符串的数据，去上面的列表中查找，其他类型的数据直接在sheet.xml 中读取。