如何快速批量读取目录及子目录下.xlsx文件的表头名称？

原脚本的性能瓶颈 #

你当前使用COM对象操作Excel的方案存在几个核心性能问题：

• 每次循环新建Excel进程，启动/销毁进程的开销极大，处理大量文件时会累积成巨大的性能损耗
• COM对象需要加载整个工作簿才能读取数据，大文件的加载时间会拖慢整体速度
• 使用$FileHeaders +=拼接数组会频繁重建数组，增加不必要的内存开销

推荐解决方案 #

以下是按易用性+性能排序的三种高效方案，完全不需要依赖Office进程：

方案1：使用ImportExcel模块（推荐，平衡速度与易用性） #

基于EPPlus库开发的PowerShell模块，专门用于快速处理Excel文件，无需安装Office。

1. 先安装模块：

Install-Module -Name ImportExcel -Scope CurrentUser -Force

2. 优化后的脚本：

# 一次性获取所有XLSX文件，避免重复遍历目录
$xlsxFiles = Get-ChildItem 'E:\Path_DATA' -Recurse -Filter '*.xlsx'

foreach ($file in $xlsxFiles) {
    # 仅读取第一行表头，限制读取范围大幅减少IO
    $headers = Import-Excel -Path $file.FullName -StartRow 1 -EndRow 1 -NoHeader | 
               Get-Member -MemberType NoteProperty | 
               Select-Object -ExpandProperty Name
    
    # 输出格式化后的表头字符串
    '"{0}"' -f ($headers -join '","')
}

优势：代码简洁，底层直接操作文件内容，无需加载整个工作簿，性能比COM对象提升数倍。

方案2：使用OpenXML SDK（极致性能） #

微软官方的OpenXML SDK，直接操作XLSX的底层XML结构，完全不依赖任何外部程序，性能最优。

1. 安装依赖模块：

Install-Module -Name OpenXmlPowerTools -Scope CurrentUser -Force

2. 高性能脚本：

Add-Type -Path "C:\Program Files\Open XML SDK\V2.5\lib\DocumentFormat.OpenXml.dll"

$xlsxFiles = Get-ChildItem 'E:\Path_DATA' -Recurse -Filter '*.xlsx'

foreach ($file in $xlsxFiles) {
    try {
        # 以只读模式打开XLSX文件
        $spreadsheetDoc = [DocumentFormat.OpenXml.Packaging.SpreadsheetDocument]::Open($file.FullName, $false)
        $workbookPart = $spreadsheetDoc.WorkbookPart
        # 获取第一个工作表
        $worksheetPart = $workbookPart.WorksheetParts | Select-Object -First 1

        # 读取共享字符串表（处理表头使用共享字符串的情况）
        $sharedStringTable = if ($workbookPart.SharedStringTablePart) {
            $workbookPart.SharedStringTablePart.SharedStringTable
        } else { $null }

        $headers = @()
        # 定位第一行并遍历所有单元格
        $worksheetPart.Worksheet.Descendants([DocumentFormat.OpenXml.Spreadsheet.Row]) | 
            Where-Object { $_.RowIndex -eq 1 } | 
            ForEach-Object {
                $_.Descendants([DocumentFormat.OpenXml.Spreadsheet.Cell]) | ForEach-Object {
                    $cellValue = $_.CellValue.InnerText
                    # 判断单元格类型是共享字符串还是直接值
                    if ($_.DataType -eq [DocumentFormat.OpenXml.Spreadsheet.CellValues]::SharedString -and $sharedStringTable) {
                        $headers += $sharedStringTable.ChildNodes[$cellValue].InnerText
                    } else {
                        $headers += $cellValue
                    }
                }
            }

        # 输出格式化结果
        '"{0}"' -f ($headers -join '","')
    }
    finally {
        # 确保文件被关闭，释放资源
        if ($spreadsheetDoc) { $spreadsheetDoc.Close() }
    }
}

优势：直接读取XLSX内部的XML数据，仅加载必要的部分，处理数百万个大文件时性能最佳。

方案3：直接解析XLSX压缩包（无依赖场景） #

XLSX本质是ZIP压缩包，可直接解压读取内部XML文件，无需任何第三方库。

$xlsxFiles = Get-ChildItem 'E:\Path_DATA' -Recurse -Filter '*.xlsx'

foreach ($file in $xlsxFiles) {
    try {
        # 创建临时目录用于解压
        $tempDir = Join-Path $env:TEMP ([Guid]::NewGuid().ToString())
        New-Item -ItemType Directory -Path $tempDir | Out-Null

        # 解压XLSX文件到临时目录
        Expand-Archive -Path $file.FullName -DestinationPath $tempDir -Force

        # 定位第一个工作表的XML文件
        $sheetXmlPath = Join-Path $tempDir "xl\worksheets\sheet1.xml"
        if (-not (Test-Path $sheetXmlPath)) {
            # 若找不到sheet1，从workbook.xml获取第一个工作表的名称
            $workbookXml = [xml](Get-Content (Join-Path $tempDir "xl\workbook.xml"))
            $firstSheetName = $workbookXml.workbook.sheets.sheet[0].name
            $sheetXmlPath = Join-Path $tempDir "xl\worksheets\$firstSheetName.xml"
        }

        $sheetXml = [xml](Get-Content $sheetXmlPath)
        $headers = @()

        # 读取第一行的所有单元格
        $sheetXml.worksheet.sheetData.row | Where-Object { $_.r -eq 1 } | ForEach-Object {
            $_.c | ForEach-Object {
                $cellValue = $_.v
                # 处理共享字符串类型的单元格
                if ($_.t -eq 's') {
                    $sharedStringXml = [xml](Get-Content (Join-Path $tempDir "xl\sharedStrings.xml"))
                    $headers += $sharedStringXml.sst.si[$cellValue].t
                } else {
                    $headers += $cellValue
                }
            }
        }

        # 输出格式化结果
        '"{0}"' -f ($headers -join '","')
    }
    finally {
        # 清理临时文件
        if (Test-Path $tempDir) {
            Remove-Item $tempDir -Recurse -Force -ErrorAction SilentlyContinue
        }
    }
}

优势：完全依赖PowerShell内置命令，无需安装任何模块，适合受限环境。

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