poi是用什么方式读取Excel的

本文深入探讨了POI库读取Excel文件的核心机制与具体方式。文章将从POI的基本架构入手，详细解析其用于处理不同格式Excel文件（如.xls和.xlsx）的两套模型，并阐述基于事件驱动的用户模型与完整的文档对象模型在内存占用和功能上的差异。同时，将系统介绍读取工作表、单元格、公式、样式等核心数据的具体API方法与实践步骤，为开发者提供一份全面、深度的技术指南。

       在当今的数据驱动时代，Excel文件作为存储和交换结构化数据的通用载体，其地位无可替代。对于开发者而言，如何在Java应用程序中高效、准确地读取Excel文件内容，是一个常见且关键的需求。Apache POI（Poor Obfuscation Implementation）正是为解决这一需求而生的强大开源库。它提供了完整的应用程序编程接口，允许Java程序读写由微软办公套件生成的各种格式文档。那么，POI究竟是用什么方式来完成Excel读取任务的？其背后又蕴含着怎样的设计哲学与技术细节？本文将为您层层剥茧，深入解析。

       要理解POI读取Excel的方式，首先必须把握其核心架构。POI库并非一个单一的整体，而是针对微软办公软件的不同文件格式，提供了相应的组件模块。对于Excel文件，POI主要区分两种历史格式：传统的二进制格式（文件扩展名通常为.xls）和基于开放式XML打包规范的新格式（文件扩展名通常为.xlsx或.xlsm）。这两种格式在物理存储和数据结构上截然不同，因此POI为它们设计了两套独立的模型。

一、 双模型架构：应对不同时代的Excel格式

       对于传统的.xls格式，POI提供了HSSF（Horrible SpreadSheet Format）模型。这个模型直接解析二进制的文件流，构建内存中的对象表示。由于.xls格式本身的结构相对紧凑且非XML化，HSSF模型的实现侧重于对二进制记录的精确解码。

       而对于基于XML的.xlsx格式，POI则提供了XSSF（XML SpreadSheet Format）模型。由于.xlsx文件本质上是一个遵循开放式打包约定的压缩包，其中包含了多个XML部件文件，因此XSSF模型的工作流程是：首先解压这个压缩包，然后使用XML解析器（如SAX）处理内部的XML文件，最终构建出与HSSF功能类似但内部实现迥异的对象模型。后来，为了进一步提升处理超大.xlsx文件时的内存效率，POI还引入了SXSSF（Streaming XSSF）模型，它在XSSF的基础上实现了数据流式读写，能够将内存占用控制在极低水平。

二、 两种核心读取模式：用户模型与事件模型

       在确定了使用HSSF还是XSSF/SXSSF来处理特定文件格式之后，开发者面临下一个关键选择：采用哪种读取模式。POI主要提供了两种模式，它们代表了在功能性、易用性与资源消耗之间的不同权衡。

       第一种是用户模型。这是最常见、最直观的读取方式。通过诸如工作簿工厂类的方法，POI会将整个Excel文件（或指定的部分）加载到内存中，形成一个完整的、树状结构的文档对象模型。这个模型包含了工作簿、工作表、行、单元格等对象，它们之间通过引用的方式关联。开发者可以像操作普通Java对象一样，随意地、随机地访问任意一个单元格的数据、样式或公式。这种方式代码编写简单，功能全面，但代价是将整个文件内容驻留内存。对于小型文件，这毫无压力；但对于包含数十万行数据的大型文件，这种模式可能导致内存溢出。

三、 事件驱动模型：为海量数据而生

       第二种是事件模型，也称为SAX式解析模式。这种模式的设计灵感来源于XML的简单应用程序编程接口用于XML解析的事件驱动模型。它不将整个文档加载到内存中，而是基于事件回调机制工作。开发者需要注册一个自定义的事件处理器，然后POI的解析器会顺序地读取Excel文件的底层结构（对于.xls是二进制记录流，对于.xlsx是XML流），每遇到一个感兴趣的“事件”（例如，开始解析一个工作表、遇到一行数据、遇到一个单元格），就调用处理器中相应的方法。

       在这种模式下，内存中通常只保存当前正在处理的一小部分数据（例如一行），处理完毕后即可丢弃。因此，事件模型的内存消耗是恒定且极低的，非常适合处理体积巨大、数据行数极多的Excel文件。然而，它的缺点也很明显：编程模型复杂，开发者需要深入理解文件底层结构；并且访问是顺序、只读、一次性的，无法随机跳转到某个特定单元格，也无法获取单元格的样式等完整属性（除非在事件中显式处理了相关记录）。

四、 启动读取：工作簿工厂的核心作用

       无论选择哪种模型，读取Excel文件的起点通常是工作簿工厂类。这个工厂类提供了一个智能的方法。当传入一个文件输入流或文件对象时，该方法会自动检测文件头部信息，判断它是.xls格式还是.xlsx格式，然后创建并返回对应的HSSF工作簿或XSSF工作簿实例。这种设计极大地简化了代码，使开发者无需在代码中显式判断文件类型，实现了对两种格式的透明化操作。

五、 遍历工作结构：获取工作表与行

       获得工作簿对象后，在用户模型下，便可以开始遍历其内部结构。一个工作簿包含多个工作表，可以通过索引或名称获取特定的工作表对象。得到工作表对象后，进一步可以获取行。POI中行的获取有两种常见方式：一种是使用基于零的索引直接获取某一行（如果该行不存在则可能返回空值）；另一种是使用迭代器或增强型循环来遍历工作表中的所有非空行，这是处理数据行最有效率的方式。

六、 读取单元格：数据的最终载体

       单元格是Excel中存储数据的最终单元。通过行对象可以获取单元格对象。这里有一个关键点：POI中的行并不一定包含所有列索引的单元格，它只包含那些有数据的单元格（或被设置过样式的单元格）。获取单元格后，最重要的一步是读取其内容。单元格的内容类型是读取逻辑的核心，POI提供了方法来获取单元格的类型，例如数字型、字符串型、布尔型、公式型、空值型等。

       根据不同的类型，需要调用不同的获取数据的方法。例如，对于数字型单元格，应使用方法获取其双精度浮点数值；对于字符串型单元格，则应使用方法获取字符串。直接使用错误的方法（如对数字型单元格调用）会导致异常。

七、 处理公式单元格：计算与缓存

       公式单元格的处理较为特殊。在用户模型下，当单元格类型为公式型时，可以直接获取其公式字符串。但更多时候，我们需要的是公式计算后的结果。POI提供了公式求值器来计算公式的结果。需要注意的是，公式求值可能需要工作簿中其他单元格的数据，且计算可能较为耗时。对于.xls文件，POI内置了一个基本的公式计算引擎；对于.xlsx文件，它依赖于公式字符串和缓存值。在读取时，Excel文件通常会保存公式最后一次计算的结果（缓存值），POI可以优先读取这个缓存值以提高效率，避免实时计算。

八、 提取单元格样式与格式

       除了原始数据，单元格的样式信息（如字体、颜色、边框、对齐方式）和数字格式也是重要的元数据。POI允许通过单元格对象获取其单元格样式对象，进而从中解析出详细的样式属性。数字格式则控制着数值或日期在Excel界面中的显示形式，POI可以获取格式字符串，开发者可以据此判断这是一个普通数字、百分比、货币还是自定义的日期格式。

九、 读取合并单元格区域

       Excel中的合并单元格在数据处理时常常需要特殊处理。POI提供了方法获取工作表中所有合并区域的列表。每个合并区域可以用其左上角和右下角的行列索引来描述。在遍历单元格时，通过判断当前单元格是否位于某个合并区域内，可以决定是读取该单元格的值（通常是左上角单元格的值），还是将其视为被合并的空单元格忽略。

十、 处理大型文件：SXSSF的流式读取

       前文提到的SXSSF模型，在读取方面也有其独特之处。虽然SXSSF主要优化的是写入，但它同样支持对现有文件的有限读取。在SXSSF的“流式”上下文中，读取通常也是顺序进行的，并且它会自动将已经处理过的行从内存中丢弃（滑动窗口机制），从而保证即使在处理一个包含百万行的工作表时，内存占用也仅与窗口大小相关，而不会持续增长。

十一、 事件模型详解：实现自定义处理器

       对于必须使用事件模型处理超大文件的场景，实现过程更为底层。以.xlsx格式为例，需要使用专门用于读取开放式打包约定文件的类。开发者需要创建一个实现了特定接口（如工作表内容处理器、共享字符串表处理器）的类，并重写处理开始元素、结束元素、字符数据等方法。在解析过程中，POI会驱动XML解析器，并将解析到的事件（如一行开始、一个单元格引用、一个单元格值）传递给处理器，由开发者决定如何收集和处理这些数据片段。

十二、 异常处理与资源管理

       健壮的读取代码必须包含完善的异常处理和资源管理。POI在读取过程中可能抛出多种受检异常，例如输入输出异常、非法格式异常等。必须使用尝试资源语句块来确保无论是否发生异常，用于读取文件的输入流都能被正确关闭，否则会导致资源泄漏。同时，对于工作簿对象本身，在使用完毕后也应调用关闭方法（特别是对于XSSF工作簿，因为它可能持有对临时文件的引用），以释放所有相关资源。

十三、 性能优化实践

       在读取性能方面，有几个实用的优化点。第一，如果只需要数据而不关心样式，在用户模型下，可以通过设置数据读取策略来忽略样式信息的加载，这能减少内存开销和解析时间。第二，合理使用公式结果缓存，避免不必要的重复计算。第三，在遍历行时，使用迭代器比用索引循环更高效。第四，对于事件模型，精心设计处理器逻辑，只处理必要的事件和数据，能最大化流式处理的优势。

十四、 日期数据的特殊处理

       Excel内部将日期和时间存储为数值（即距离某个基准日期的天数或小数天数），读取日期数据是一个常见的痛点。POI提供了工具类来协助处理。开发者需要先判断单元格的数字格式是否为日期格式，然后使用工具类的方法将单元格的数值转换为Java的日期时间对象。这里需要注意Excel与Java在日期基准上的差异，以及处理1900年闰年错误等历史兼容性问题。

十五、 读取图表、图片等嵌入式对象

       高级读取需求可能涉及提取Excel中嵌入的图表、图片或其他对象。POI也支持这些功能。可以通过工作簿对象获取所有图片数据的列表，每张图片数据包含了图片二进制内容、图片类型以及其在工作表上的锚定位置信息。这使得从Excel中批量导出图片成为可能。

十六、 结合其他技术增强读取能力

       POI并非孤岛，它可以与其他技术栈结合，形成更强大的解决方案。例如，结合Spring框架的批处理模块，可以将POI作为数据读取器，实现将Excel数据分块、并行地导入数据库。或者，结合数据验证库，在读取数据的同时进行格式和业务规则的校验，确保数据质量。

十七、 版本兼容性与注意事项

       在使用POI读取时，需注意版本兼容性。不同版本的POI对Excel文件格式的支持程度和API细节可能略有不同。建议使用较新的稳定版本，并查阅对应版本的官方文档。此外，POI的某些高级特性（如读取宏、某些加密文件）可能受限或需要额外配置。

十八、 总结：选择最适合的读取方式

       总而言之，Apache POI为Java开发者提供了一套丰富、多层次的Excel文件读取方案。从基于完整文档对象模型的便捷读取，到基于事件驱动的流式读取；从处理传统二进制格式到处理现代XML打包格式，POI都给出了答案。选择何种方式，取决于具体的应用场景：文件大小、数据复杂度、性能要求、开发资源都是需要考虑的因素。理解这些方式背后的原理与差异，方能游刃有余地驾驭POI，让Excel数据高效、可靠地流入您的Java应用程序，释放数据的真正价值。