怎么通过 Apache POI 的事件驱动模式（SAX）实现在极低内存下解析 GB 级的 Excel 报表-java教程-PHP中文网

结论：XSSFReader+自定义DefaultHandler是Java处理GB级.xlsx的唯一稳定低内存方案；.xls须用HSSFEventFactory，但不支持公式重算和样式还原。因Workbook加载会全量解压XML致OOM，而SAX仅维持当前上下文，峰值内存约50MB。

怎么通过 apache poi 的事件驱动模式（sax）实现在极低内存下解析 gb 级的 excel 报表

直接说结论：用 XSSFReader + 自定义 DefaultHandler 是目前 Java 中唯一能稳定处理 GB 级 .xlsx 文件且内存压到 MB 级别的方案；.xls 文件则必须用 HSSFEventFactory，但要注意它不支持公式重计算和样式还原。

为什么不能用 Workbook 加载大 Excel

调用 new XSSFWorkbook(inputStream) 或 WorkbookFactory.create() 会把整个 .xlsx 解压后所有 XML（sharedStrings.xml、styles.xml、每个 sheet*.xml）全读进内存，GB 文件轻松吃掉 5–10 GB 堆空间，OutOfMemoryError: Java heap space 是必然结果。这不是配置调优能绕过的限制，是模型本身决定的。

.xlsx 本质是 ZIP 包，里面每个 sheet 是一个扁平化 XML 流，没有行列索引结构
Workbook 模式需构建完整对象图（Sheet → Row → Cell → Style/Formula/Value），内存占用与总单元格数正相关
SAX 模式只在解析时维持当前 XML 元素上下文，峰值内存通常

XSSFReader 解析 .xlsx 的最小可行链路

核心是跳过 DOM 构建，直接绑定 ZIP 内部流 + SAX Handler。关键步骤缺一不可：

用 OPCPackage.open(inputStream) 打开 ZIP，避免提前解压全部内容
用 XSSFReader 获取 SharedStringsTable 和 StylesTable —— 它们必须在解析 sheet 前加载，否则无法还原字符串或格式化数字
调用 XSSFReader.getSheetsData() 得到每个 sheet 的 InputStream，逐个喂给 XMLReader
自定义 DefaultHandler 中，靠 startElement() 识别 row、c（cell）、v（value）等标签，靠 characters() 拿原始文本值

示例关键片段：

Excel 打印区外内容清理

一键清除Excel打印区域外的残留内容，打印区内所见即所得。方便提交给客户，实现打印区外内容保密的目的。适用场景：给客户提交报价、计算书等。

下载

XSSFReader reader = new XSSFReader(pkg);
SharedStringsTable sst = new SharedStringsTable();
StylesTable styles = new StylesTable();
// 注意：必须先读取 sst 和 styles，否则 cell 值可能为空或格式错乱
XMLReader parser = XMLReaderFactory.createXMLReader();
parser.setContentHandler(new SheetHandler(sst, styles));
parser.parse(new InputSource(reader.getSheetsData().next()));

容易踩的坑：空单元格、类型丢失、数字变科学计数法

SAX 模式下，Excel 的“空单元格”不会出现在 XML 中（只有有值的 c 标签），row 标签里的 r 属性（如 r="A3"）也不一定连续，直接按顺序取值会错位。

必须解析 c 标签的 r 属性（如 A3），用 CellReference 转成列索引，再填充到行数组对应位置，空位补 null
v 标签内容是原始值：字符串存的是索引（需查 sst），数字是 double 字面量（如 123456789012345），日期是序列号（需用 DateUtil 转）
如果没传 StylesTable，isNumeric 或 getCellType() 逻辑就失效，所有数字都当字符串返回，1.23E8 这种会原样透出
characters() 可能被多次调用（XML 解析器分片推送文本），必须用 StringBuilder 缓存，endElement() 时才提取

为什么 .xls（2003）不能套用同一套逻辑

.xls 是二进制 BIFF 格式，没有 XML 层，POI 提供的是 HSSFEventFactory + HSSFListener，原理类似 SAX 但事件粒度更粗（Record 级别而非元素级）。

必须监听 BOFRecord（开始表）、RowRecord、NumberRecord/LabelSSTRecord 等，自己拼装行列结构
MissingCellDummyRecord 和 LastCellOfRowDummyRecord 必须显式处理，否则空列直接跳过
不支持公式求值（FormulaRecord 只给 RPN 字节码，没内置计算器），outputFormulaValues = false 时返回 #VALUE!
依赖 POIFSFileSystem，对超大 .xls（> 50MB）仍有 IO 压力，不如 .xlsx 的 ZIP 流式访问高效

真正的大报表场景，优先要求上游导出为 .xlsx；若只能收 .xls，建议加一层转换服务（用 LibreOffice headless 转成 .xlsx 再走 SAX 流程）。