使用Selenium Java比对Excel两列数据 4k行耗时过长求高效方案

性能根因定位 #

4000条数据的纯内存比对耗时不可能超过1秒，你当前耗时超1小时的核心原因大概率是以下两点：

• 你没有把Excel加载和Selenium页面数据获取的操作剥离：如果你的实际流程是「每读一行Excel → 调用Selenium获取一次页面对应行的值」，Selenium的跨进程RPC调用本身延迟很高，4000次循环调用自然会耗时极长。
• Excel文件重复加载：你贴的代码里没有展示Workbook初始化逻辑，如果你的Workbook、Sheet对象是在循环内部重复创建的，每次都重新读取整个Excel文件，也会导致耗时指数级上升。
• 方法2的逻辑本身有错误：用==比对Java字符串只会对比对象内存地址，不会对比内容，且只要匹配到一行相等就直接break，无法实现「判断两列是否完全不同」的需求。

优化实现方案 #

步骤1：调整数据获取逻辑，把IO操作批量前置 #

所有IO类操作（Excel读取、Selenium页面数据拉取）全部一次性完成，不要和比对逻辑嵌套：

// 1. 只加载一次Excel，提前读入两列数据到内存
List<String> excelCol2 = new ArrayList<>();
List<String> excelCol3 = new ArrayList<>();
// 注意：Workbook、Sheet初始化只做一次，放在循环外面
try (Workbook workbook = WorkbookFactory.create(new File("你的文件路径.xlsx"))) {
    Sheet sheet = workbook.getSheetAt(0);
    int lastRowNum = sheet.getLastRowNum();
    // 提前把行数存到变量，不要循环里反复调用getLastRowNum()
    for (int k = 2; k <= lastRowNum; k++) {
        Row row = sheet.getRow(k);
        if (row == null) continue;
        Cell cell2 = row.getCell(2);
        Cell cell3 = row.getCell(3);
        excelCol2.add(cell2 == null ? "" : cell2.getStringCellValue().trim());
        excelCol3.add(cell3 == null ? "" : cell3.getStringCellValue().trim());
    }
} catch (IOException e) {
    e.printStackTrace();
}

// 2. 如果是要和Selenium页面数据比对，一次性把页面两列数据全部拉取到本地，不要循环找元素
// 示例：假设页面两列的选择器是 .col2-item、.col3-item，一次性获取所有元素再转成字符串列表
List<String> pageCol2 = driver.findElements(By.cssSelector(".col2-item"))
        .stream().map(WebElement::getText).map(String::trim).toList();
List<String> pageCol3 = driver.findElements(By.cssSelector(".col3-item"))
        .stream().map(WebElement::getText).map(String::trim).toList();

步骤2：内存内高效比对 #

如果是Excel内部两列比对，直接用如下逻辑，4000条数据耗时<10ms：

boolean isAllDifferent = true;
int size = excelCol2.size();
for (int i = 0; i < size; i++) {
    if (excelCol2.get(i).equals(excelCol3.get(i))) {
        isAllDifferent = false;
        // 只要匹配到相等的就直接终止循环，不需要遍历剩下的行
        break;
    }
}
if (!isAllDifferent) {
    KeywordUtil.markFailed("两列存在相同值");
} else {
    KeywordUtil.markPassed("两列全部不同，符合预期");
}

额外优化建议 #

• 如果Excel是xlsx格式且后续数据量涨到10万+，可以换成POI的SXSSF流式读取模式，避免内存占用过高。
• 字符串比对前统一做trim()处理，避免空格、换行符等不可见字符导致的误判。

内容的提问来源于stack exchange，提问作者VIMAL