【Java POI】POI基于事件驱动解析大数据量2007版本Excel，空值导致列错位问题

1.目前测试了20M的文件，可以读取。

2.支持单个工作表1万+的数据行数，耗时如图。

3.以下是关键地方处理的代码

 //Accepts objects needed while parsing.
         // @param styles  Table of styles
         // @param strings Table of shared strings
         // @param cols    Minimum number of columns to show
         // @param target  Sink for output
         public MyXSSFSheetHandler(
                 StylesTable styles,
                 ReadOnlySharedStringsTable strings,
                 int cols,
                 PrintStream target) {
             this.stylesTable = styles;
             this.sharedStringsTable = strings;
             this.minColumnCount = cols;
             this.output = target;
             this.value = new StringBuffer();
             this.nextDataType = xssfDataType.NUMBER;
             this.formatter = new DataFormatter();
             rowlist = new ArrayList<String>(0);
             rowReader = new RowReader();
             rowMap = new HashMap<Integer, String>(0);
             rowString = new StringBuffer();
         }
         // @see org.xml.sax.helpers.DefaultHandler#startElement(java.lang.String, java.lang.String, java.lang.String, org.xml.sax.Attributes)
         public void startElement(String uri, String localName, String name,
                                  Attributes attributes) throws SAXException
         {  

             if ("inlineStr".equals(name) || "v".equals(name))
             {
                 vIsOpen = true;
                 // Clear contents cache
                 value.setLength(0);
             }
             // c => cell
             else if ("c".equals(name))
             {
                 // Get the cell reference
                 String r = attributes.getValue("r");
                 int firstDigit = -1;
                 for (int c = 0; c < r.length(); ++c)
                 {
                     if (Character.isDigit(r.charAt(c)))
                     {
                         firstDigit = c;
                         break;
                     }
                 }
                 thisColumn = nameToColumn(r.substring(0, firstDigit));  

                 // Set up defaults.
                 this.nextDataType = xssfDataType.NUMBER;
                 this.formatIndex = -1;
                 this.formatString = null;
                 String cellType = attributes.getValue("t");
                 String cellStyleStr = attributes.getValue("s");
                 if ("b".equals(cellType))
                     nextDataType = xssfDataType.BOOL;
                 else if ("e".equals(cellType))
                     nextDataType = xssfDataType.ERROR;
                 else if ("inlineStr".equals(cellType))
                     nextDataType = xssfDataType.INLINESTR;
                 else if ("s".equals(cellType))
                     nextDataType = xssfDataType.SSTINDEX;
                 else if ("str".equals(cellType))
                     nextDataType = xssfDataType.FORMULA;
                 else if (cellStyleStr != null) {
                     // It's a number, but almost certainly one
                     //  with a special style or format
                     int styleIndex = Integer.parseInt(cellStyleStr);
                     XSSFCellStyle style = stylesTable.getStyleAt(styleIndex);
                     this.formatIndex = style.getDataFormat();
                     this.formatString = style.getDataFormatString();
                     if (this.formatString == null)
                         this.formatString = BuiltinFormats.getBuiltinFormat(this.formatIndex);
                 }
             }  

         }  

         // @see org.xml.sax.helpers.DefaultHandler#endElement(java.lang.String, java.lang.String, java.lang.String)
         public void endElement(String uri, String localName, String name)
                 throws SAXException
         {  

             String thisStr = null;  

             // v => contents of a cell
             if ("v".equals(name))
             {
                 // Process the value contents as required.
                 // Do now, as characters() may be called more than once
                 switch (nextDataType) {  

                     case BOOL:
                         char first = value.charAt(0);
                         thisStr = first == '0' ? "FALSE" : "TRUE";
                         break;  

                     case ERROR:
                         thisStr = "\"ERROR:" + value.toString() + '"';
                         break;  

                     case FORMULA:
                         // A formula could result in a string value,
                         // so always add double-quote characters.
                         thisStr = '"' + value.toString() + '"';
                         break;  

                     case INLINESTR:
                         // TODO: have seen an example of this, so it's untested.
                         XSSFRichTextString rtsi = new XSSFRichTextString(value.toString());
                         thisStr = '"' + rtsi.toString() + '"';
                         break;  

                     case SSTINDEX:
                         String sstIndex = value.toString();
                         try {
                             int idx = Integer.parseInt(sstIndex);
                             XSSFRichTextString rtss = new XSSFRichTextString(sharedStringsTable.getEntryAt(idx));
                             thisStr = '"' + rtss.toString() + '"';
                         } catch (NumberFormatException ex) {
                             output.println("Failed to parse SST index '" + sstIndex + "': " + ex.toString());
                         }
                         break;  

                     case NUMBER:
                         String n = value.toString();
                         if (this.formatString != null)
                             thisStr = formatter.formatRawCellContents(Double.parseDouble(n), this.formatIndex, this.formatString);
                         else
                             thisStr = n;
                         break;  

                     default:
                         thisStr = "(TODO: Unexpected type: " + nextDataType + ")";
                         break;
                 }  

                 // Output after we've seen the string contents
                 // Emit commas for any fields that were missing on this row
                 if (lastColumnNumber == -1)
                 {
                     lastColumnNumber = 0;
                 }
                 for (int i = lastColumnNumber; i < thisColumn; ++i)
                 {
                     rowString.append(',');//每天加一个单元格的值到字符串中就追加一个逗号（末尾不添加）
                     //output.print(','); 可以看到使用output是可以将每一个单元格使用逗号分割
 　　　　　　　　　　　　　　//但是如果使用rowlist添加到列表中，却始终无法得到空单元格的内容
 　　　　　　　　　　　　　　//也就是说：空单元格被忽略了。
 　　　　　　　　　　　　　　//具体请参照标红的地方进行处理：使用字符串拼接的方式获得完整的行数据，再使用逗号拆分组合成rowMap
                 }
                 rowString.append(thisStr);// 这条code放在for后面，如果放在前面，会导致0和1两个单元格合为一个单元格。
                 // Might be the empty string.
                 //output.print(thisStr);
                 rowlist.add(thisStr);
                 // Update column
                 if (thisColumn > -1)
                 {
                     lastColumnNumber = thisColumn;
                 }
                 rowIndex++;
             }
             else if ("row".equals(name))
             {  

                 // Print out any missing commas if needed
                 if (minColumns > 0)
                 {
                     // Columns are 0 based
                     if (lastColumnNumber == -1)
                     {
                         lastColumnNumber = 0;
                     }
                     for (int i = lastColumnNumber; i < (this.minColumnCount); i++)
                     {
                         output.print(',');
                     }
                 }  

                 // We're onto a new row  

                 output.println();
                 output.println(countrows++);
                 lastColumnNumber = -1;
                 rowIndex = 0;
                 //rowMap = rowReader.getRowMap(rowlist);
                 rowMap = rowReader.getRowMapByString(rowString.toString());
                 // ADD =
                 rowLst1000.add(rowMap);
                 rowMap = null;
                 rowMap = new HashMap<Integer, String>(0);
                 if (countrows % 1000 == 0)
                 {
                     rowLst1000n.add(rowLst1000);
                     rowLst1000 = null;
                     rowLst1000 = new ArrayList<Map<Integer, String>>(0);
                 }
                 rowlist.clear();
                 System.out.println(rowString.toString());
                 rowString = null;
                 rowString = new StringBuffer();
             }
         }

以上是我自己的处理方式，当然还有其他的处理方式，再研究吧。毕竟写到此处的时候，我不过是一个不到1年经验的小菜鸟。

\

补充：

　　上面的处理方式不够明智，如果单元格中的文本本生就带有逗号，那么会导致分割错误。

　　建议：

143　　　　　　　　　　if (lastColumnNumber == -1)
144                 {
145                     lastColumnNumber = 0;  
　　　　　　　　　　　　　　// 此处使用list或者map进行存储
　　　　　　　　　　　　　　list.add(null);//添加一个空值
146                 }
147                 for (int i = lastColumnNumber; i < thisColumn; ++i) 
　　　　　　　　　　　　此处改为：

　　　　　　　　　　　 for (int i = lastColumnNumber + 1; i < thisColumn; ++i) // lastColumnNumber + 1 确保不会因为连续两个空单元格而出错。

148  　　　　　　　　 { 
149 　　　　　　　　　　　　//rowString.append(',');//每天加一个单元格的值到字符串中就追加一个逗号（末尾不添加） 150 //output.print(','); 可以看到使用output是可以将每一个单元格使用逗号分割
　　　　　　　　　　　　　　//但是如果使用rowlist添加到列表中，却始终无法得到空单元格的内容
　　　　　　　　　　　　　　//也就是说：空单元格被忽略了。
　　　　　　　　　　　　　　//具体请参照标红的地方进行处理：使用字符串拼接的方式获得完整的行数据，再使用逗号拆分组合成rowMap
　　　　　　　　　　　　　　

　　　　　　　　　　　　　　// 此处使用list或者map进行存储
　　　　　　　　　　　　　　list.add(null);//添加一个空值

151                 }
　　　　　　　　　　　　// if 和 for 之后再添加当前单元格字符串
　　　　　　　　　　　　list.add(thisStr);

记住：可以打断点自己跑一跑，不难发现，for循环中所追加的逗号是当前单元格添加的，所以并不是说第一个格之后和第二个单元格之前刻意添加的。明白这个if和for的具体作用后，就能顺利的为空单元格赋值，且绕开使用字符串拼接导致的潜在问题。

下面附上其余代码的参照地址：

java使用POI通过事件模型解析超过40M的Excel文件，解决空单元格问题

http://www.360sdn.com/java/2014/0524/3392.html