Spark-Excel读取Excel时skipFirstRows参数失效及公式单元格报错求助

核心问题分析 #

报错java.lang.IllegalStateException: Cannot get a STRING value from a NUMERIC formula cell是因为首行的数值公式单元格被读取时类型推断逻辑冲突；同时skipFirstRows参数与header=true的组合会干扰表头识别逻辑，导致无法正确跳过首行。

解决方案 #

方案一：指定表头行号+处理公式单元格 #

直接用headerRowNumber指定表头所在行（从1开始计数），同时添加formulaPolicy参数读取公式计算值，避免类型匹配错误：

df = spark.read.format("com.crealytics.spark.excel")\
               .option("header", "true")\
               .option("inferSchema", "true")\
               .option("headerRowNumber", "2")\  # 明确表头位于第2行
               .option("formulaPolicy", "VALUE")\  # 读取公式的计算结果而非公式本身
               .option("treatEmptyValuesAsNulls", "true")\
               .load("dbfs:/FileStore/filename.xlsx")
df.show()

方案二：指定数据读取范围（兜底方案） #

如果方案一仍存在问题，可通过dataAddress精准指定从第二行开始读取的单元格范围，彻底跳过首行：

# 替换Sheet1为你的实际工作表名称
df = spark.read.format("com.crealytics.spark.excel")\
               .option("header", "true")\
               .option("inferSchema", "true")\
               .option("dataAddress", "'Sheet1'!A2:ZZ")\  # 从Sheet1的A2行开始读取所有列
               .option("formulaPolicy", "VALUE")\
               .option("treatEmptyValuesAsNulls", "true")\
               .load("dbfs:/FileStore/filename.xlsx")
df.show()

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