如何在S3上传前处理Excel InputStream并删除多余首尾行

解决方案 #

完全可以在上传S3前直接内存修改Excel内容，不需要将文件落地存储，内存处理是性能更高、实现更简单的最优方案。你修改完Workbook对象后，只需将修改后的工作簿写入内存字节数组输出流，再转成字节输入流返回即可，全程无磁盘IO开销。

代码修改 #

1. 调整cleanFileBeforeS3Upload方法实现

public InputStream cleanFileBeforeS3Upload(InputStream inputStream, Definition definition) throws IOException, InvalidFormatException {
    // try-with-resources自动释放资源，避免泄漏
    try (
        InputStream originStream = inputStream;
        Workbook workbook = WorkbookFactory.create(originStream);
        ByteArrayOutputStream baos = new ByteArrayOutputStream()
    ) {
        var sheet = workbook.getSheetAt(0);
        ExcelUtils.removeLeadingAndTrailingRowsFromExcel(sheet, definition.getTrimLeadingRows(), definition.getTrimTrailingRows());
        // 将修改后的工作簿写入内存输出流
        workbook.write(baos);
        // 转换为输入流返回
        return new ByteArrayInputStream(baos.toByteArray());
    }
}

2. 调整S3上传调用逻辑

需要替换原上传用的输入流，同时更新S3元数据的内容长度，避免上传报错：

// 先调用清洗方法得到处理后的输入流
InputStream cleanedExcelStream = cleanFileBeforeS3Upload(file.getInputStream(), definition);
// 更新元数据的内容长度为清洗后的文件大小
metadata.setContentLength(cleanedExcelStream.available());
// 构造上传请求
var request = new PutObjectRequest(s3Properties.getBucket(), s3ObjectKey, cleanedExcelStream, metadata);

注意事项 #

• 内存占用控制：如果业务场景中上传的Excel普遍大于100M，建议添加上传文件大小前置校验，避免OOM风险。如果确实有超大Excel处理需求，再考虑临时文件落地方案，常规场景下100M以内的Excel内存处理完全稳定。
• 多Sheet适配：当前代码仅处理第一个Sheet，如果业务支持多Sheet文件，需要遍历所有Sheet执行行删除逻辑。
• 资源释放：示例中用try-with-resources自动关闭原始输入流、Workbook、字节输出流，无需手动释放资源，返回的ByteArrayInputStream由GC自动回收，不需要额外关闭。

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