在Microsoft Fabric Spark Scala中用Apache POI生成PPTX无效问题

针对你遇到的生成PPTX文件无效、仅改.ppt可打开的问题，可从以下几个方面排查并修复：

1. 确保模板读取的完整性 #

POTX是基于OpenXML的压缩格式，必须以完整二进制流读取，避免截断或字符编码干扰：

• 从Azure Blob读取模板时，直接获取完整字节数组，不要用字符流或分段读取方式。
• 示例：使用Blob客户端的downloadContent().toBytes()获取模板字节，再通过ByteArrayInputStream传入XSLFSlideShow构造方法。

2. 修正PPTX写入的流与内容类型设置 #

生成的PPTX是二进制文件，必须用字节流写入Blob，同时设置正确的MIME类型：

• 禁止使用字符流（如Writer类）写入，必须用XSLFSlideShow.write(OutputStream)输出字节流。
• 上传Blob时，设置内容类型为application/vnd.openxmlformats-officedocument.presentationml.presentation，避免默认文本类型破坏文件结构。

3. 检查POI依赖的完整性 #

确保环境中包含POI-OOXML的全部核心依赖，避免因缺失组件导致OpenXML结构不完整：

• 必须包含：poi-ooxml-5.2.3.jar、poi-ooxml-schemas-5.2.3.jar、xmlbeans-5.1.1.jar、commons-compress-1.21.jar。
• 排查Fabric环境中是否存在旧版本POI或XML相关依赖冲突，必要时排除冲突库。

4. 验证生成逻辑的正确性 #

• 先将生成的PPTX写入本地临时文件（如FileOutputStream），检查是否能正常打开：
  • 若本地正常，问题出在Blob上传环节；
  • 若本地也无效，说明代码中修改模板的逻辑破坏了OpenXML结构，比如未正确处理图表、形状等元素。
• 可手动解压PPTX文件，检查内部XML文件是否存在语法错误（如未闭合标签、非法字符）。

5. 处理模板中的特殊元素 #

如果模板包含图表、内嵌对象等复杂元素，需确保POI正确更新其结构：

• 对于XSLFChart，更新数据后需调用chart.plot()刷新模型，避免XML数据不完整；
• 替换占位符时，不要直接修改底层XML，尽量使用POI提供的API（如XSLFPlaceholder.setText()）。

简化的Scala示例代码 #

import org.apache.poi.xslf.usermodel.XSLFSlideShow
import java.io.{ByteArrayInputStream, ByteArrayOutputStream}
import com.azure.storage.blob.{BlobContainerClientBuilder, BlobUploadOptions}
import com.azure.storage.blob.models.BlobHttpHeaders

// 读取POTX模板
val containerClient = new BlobContainerClientBuilder()
  .connectionString("YOUR_BLOB_CONNECTION_STRING")
  .containerName("YOUR_CONTAINER_NAME")
  .buildClient()
val templateBytes = containerClient.getBlobClient("template.potx").downloadContent().toBytes()

// 修改模板内容
val slideshow = new XSLFSlideShow(new ByteArrayInputStream(templateBytes))
slideshow.getSlides.forEach(slide => {
  slide.getPlaceholders.forEach(ph => {
    if (ph.getText.contains("{{YOUR_PLACEHOLDER}}")) {
      ph.setText("填充后的内容")
    }
  })
})

// 生成PPTX字节流
val outputStream = new ByteArrayOutputStream()
slideshow.write(outputStream)
slideshow.close()
val pptxBytes = outputStream.toByteArray()
outputStream.close()

// 写入Azure Blob并设置正确内容类型
val outputBlobClient = containerClient.getBlobClient("output.pptx")
val uploadOptions = new BlobUploadOptions()
  .setHeaders(new BlobHttpHeaders().setContentType("application/vnd.openxmlformats-officedocument.presentationml.presentation"))
outputBlobClient.uploadFromByteArray(pptxBytes, 0, pptxBytes.length, uploadOptions)

内容的提问来源于stack exchange，提问作者saviourofdp