Java复制XLSX文件失败：文件损坏问题排查与解决

问题描述 #

我编写了一段Java代码测试XLSX文件复制，通过FileWriter和PrintWriter读取源文件Classeur1.xlsx的字节并转为字符串后写入Classeur2.xlsx。源文件可正常打开，但生成的目标文件损坏无法打开。运行输出显示两个文件的字节数组从第15字节开始存在差异，怀疑是编码问题，但不清楚源文件编码（来源多样，通过邮件发送），该如何解决？

测试代码 #

public static void main(String[] args) throws Exception {
    FileWriter fileWriter = new FileWriter("Classeur2.xlsx");
    PrintWriter printWriter = new PrintWriter(fileWriter);
    printWriter.print(new String(Files.readAllBytes(Paths.get("Classeur1.xlsx"))));
    printWriter.close();
    byte[] bytes = new byte[150];
    System.out.println("++ Classeur1.xlsx ++++++++++++++++++++++");
    System.out.println(new String(Files.readAllBytes(Paths.get("Classeur1.xlsx"))).substring(0,150));
    System.arraycopy(Files.readAllBytes(Paths.get("Classeur1.xlsx")), 0, bytes, 0, 150);
    System.out.println(Arrays.toString(bytes));
    System.out.println("++ Classeur2.xlsx ++++++++++++++++++++++");
    System.out.println(new String(Files.readAllBytes(Paths.get("Classeur2.xlsx"))).substring(0,150));
    System.arraycopy(Files.readAllBytes(Paths.get("Classeur2.xlsx")), 0, bytes, 0, 150);
    System.out.println(Arrays.toString(bytes));
}

运行输出 #

++ Classeur1.xlsx ++++++++++++++++++++++
PK    ! b�h^  �  [Content_Types].xml �(�                                                                                                
[80, 75, 3, 4, 20, 0, 6, 0, 8, 0, 0, 0, 33, 0, 98, -18, -99, 104, 94, 1, 0, 0, -112, 4, 0, 0, 19, 0, 8, 2, 91, 67, 111, 110, 116, 101, 110, 116, 95, 84, 121, 112, 101, 115, 93, 46, 120, 109, 108, 32, -94, 4, 2, 40, -96, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
++ Classeur2.xlsx ++++++++++++++++++++++
PK    ! b�h^  �  [Content_Types].xml �(�                                                                                                
[80, 75, 3, 4, 20, 0, 6, 0, 8, 0, 0, 0, 33, 0, 98, -17, -65, -67, 104, 94, 1, 0, 0, -17, -65, -67, 4, 0, 0, 19, 0, 8, 2, 91, 67, 111, 110, 116, 101, 110, 116, 95, 84, 121, 112, 101, 115, 93, 46, 120, 109, 108, 32, -17, -65, -67, 4, 2, 40, -17, -65, -67, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

问题根源 #

1. XLSX是二进制格式：XLSX本质是ZIP压缩包，属于二进制文件，并非文本文件，不能用字符流（FileWriter/PrintWriter）处理。
2. 字节转字符串的编码丢失：将二进制字节转为String时，JVM会使用默认编码（如UTF-8）解码，遇到无法识别的字节会替换成U+FFFD（即显示的�）；写入时这个字符会被编码为UTF-8的三个字节-17,-65,-67，直接篡改了原二进制数据，导致文件损坏。
3. 从输出可见的篡改：原文件中的-18,-99等字节被替换成-17,-65,-67，这就是文件无法打开的直接原因。

解决方法 #

直接使用字节流复制二进制文件，确保字节原样复制，无需考虑编码：

方式1：使用Files.copy（最简方案） #

import java.nio.file.Files;
import java.nio.file.Paths;

public class XLSXCopy {
    public static void main(String[] args) throws Exception {
        Files.copy(Paths.get("Classeur1.xlsx"), Paths.get("Classeur2.xlsx"));
    }
}

方式2：手动字节流读写 #

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;

public class XLSXCopy {
    public static void main(String[] args) throws IOException {
        try (FileInputStream fis = new FileInputStream("Classeur1.xlsx");
             FileOutputStream fos = new FileOutputStream("Classeur2.xlsx")) {
            byte[] buffer = new byte[4096]; // 4KB缓冲区，平衡性能与内存占用
            int bytesRead;
            while ((bytesRead = fis.read(buffer)) != -1) {
                fos.write(buffer, 0, bytesRead);
            }
        }
    }
}

关键注意事项 #

• 任何二进制文件（XLSX、PDF、图片、压缩包等）都必须用字节流处理，绝对不能用字符流。
• 二进制文件不存在"文本编码"的概念，直接按字节原样复制即可，无需关心来源文件的编码。

内容的提问来源于stack exchange，提问作者tweetysat