Java读取Excel教程：ApachePOI实战指南

本文深入解析Java中使用Apache POI读取Excel（尤其是.xlsx格式）的实战要点与常见陷阱：明确区分XSSFWorkbook与HSSFWorkbook的适用场景，强调自动识别格式的WorkbookFactory更安全；详解getCell()返回null的真实原因及空值防护策略；系统应对中文乱码、日期显示为数字、公式不自动计算等高频问题；并重点指出大文件读取时内存溢出的风险本质与有效解法——从StreamingReader到SAX事件驱动模式的必要转型，揭示“读完不崩”才是生产环境真正的挑战。

读取 .xlsx 文件必须用 XSSFWorkbook，不是 HSSFWorkbook

Apache POI 对 Excel 格式有严格区分：HSSFWorkbook 只支持旧版 .xls（二进制格式），而 XSSFWorkbook 才能读取新版 .xlsx（OOXML 格式）。用错类会直接抛出 InvalidFormatException 或静默读空。

实操建议：

• 优先用 WorkbookFactory.create(InputStream) 自动识别格式，避免手动选错类
• 如果确定是 .xlsx，显式用 new XSSFWorkbook(InputStream)，但记得关流
• 别在循环里反复 new XSSFWorkbook——它内存开销大，容易 OOM

getCell() 返回 null 的真实原因和安全取值方式

getCell() 不返回空字符串或默认值，而是返回 null：要么该单元格真没内容，要么是空单元格被 Excel 优化掉了（尤其在中间列全空时）。

常见错误现象：

• cell.getStringCellValue() 报 NullPointerException
• 读到的行数远少于 Excel 显示行数

正确做法：

• 先判断 cell != null，再调用 getCellType() 区分字符串、数字、日期等类型
• 统一用 DataFormatter 转换值，避免 getNumericCellValue() 错转为科学计数法字符串
• 遍历行时用 row.getLastCellNum() 而非 row.getPhysicalNumberOfCells()，后者只统计非空单元格

中文乱码、日期变数字、公式不计算的三类典型问题

这些不是 POI bug，而是 Excel 文件本身元数据或读取策略没对齐。

具体应对：

• 中文显示为 “???”：检查文件是否用 UTF-8 编码保存（其实 Excel 本身不存编码，但某些导出工具会写错 BOM）；DataFormatter 默认用系统 locale，可显式传 new Locale("zh", "CN")
• 日期变成一串数字（如 44562.0）：这是 Excel 内部序列号，必须用 DateUtil.isCellDateFormatted(cell) 判断后，再用 cell.getDateCellValue()
• 公式单元格显示公式文本而非结果：调用 workbook.getCreationHelper().createFormulaEvaluator().evaluate(cell) 主动求值，否则默认只读原始内容

大文件（>10MB）读取卡顿甚至 OOM 怎么办

XSSFWorkbook 是 DOM 模式，整份文件加载进内存；10 万行以上就容易撑爆堆空间。

关键解法只有两个：

• 改用 StreamingReader（POI 5.2+）或 SAXParser 模式（OPCPackage + XSSFReader），牺牲部分 API 简洁性换内存可控性
• 确保 JVM 启动参数加 -Xmx2g 之类，且关闭不必要的日志（poi-ooxml-schemas 依赖巨大，若不用高级图表可排除
• 别在 for (Row row : sheet) 里做耗时操作（如 DB 插入），先缓存结构化数据再批量处理

真正麻烦的从来不是“怎么读”，而是“读完怎么不崩”。小文件图省事用 WorkbookFactory，大文件必须直面 SAX 和事件驱动——这点绕不开。

本篇关于《Java读取Excel教程：ApachePOI实战指南》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！