POI读取原始.xls文件报OLE2文档无效错误，重存后正常求助

我之前处理过好几个类似的案例，你的问题本质上是文件格式伪装导致的，咱们一步步拆解：

问题根源分析 #

你收到的那个“无法更改版本的.xls文件”，其实根本不是标准的OLE2/BIFF格式（也就是POI支持的传统Excel 97-2003格式），只是后缀被改成了.xls而已。常见的伪装情况包括：

• 实际是CSV文件，手动改了后缀
• 是HTML/XML格式的表格，被导出时标错了后缀
• 用非微软的工具生成的伪Excel文件，不符合OLE2规范

POI对格式的校验很严格，一旦检测到文件头签名和标准OLE2的0xE11AB1A1E011CFD0不匹配，就会抛出你看到的异常。而微软Excel有极强的兼容性，能识别这些“冒牌”的.xls文件，打开后重新保存时会自动将其转换为标准的BIFF格式，所以POI就能正常读取了——这也是为什么保存前后版本显示一致的原因。

解决方案 #

1. 先确认文件的真实格式 #

你可以用POI自带的工具类快速检测文件的真实类型，代码示例：

import org.apache.poi.poifs.filesystem.FileMagic;
import java.io.File;
import java.io.FileInputStream;

public class RealFileFormatChecker {
    public static void main(String[] args) throws Exception {
        File targetFile = new File("你的问题文件.xls");
        try (FileInputStream fis = new FileInputStream(targetFile)) {
            FileMagic fileMagic = FileMagic.valueOf(fis);
            System.out.println("文件真实格式标识: " + fileMagic);
            
            // 根据标识选择对应的读取方式
            switch (fileMagic) {
                case OLE2:
                    // 标准xls，直接用HSSFWorkbook读取
                    break;
                case CSV:
                    // 实际是CSV，用Apache Commons CSV或其他CSV解析库读取
                    break;
                case HTML:
                    // 实际是HTML表格，用Jsoup等HTML解析工具处理
                    break;
                default:
                    System.out.println("未知格式，可能需要特殊处理");
            }
        }
    }
}

2. 针对不同真实格式的处理方式 #

• 如果是CSV伪装：放弃用HSSFWorkbook，直接用CSV解析库读取，比如Apache Commons CSV，这样不需要修改原文件就能正常解析内容。
• 如果是HTML/XML格式：可以先用解析工具提取表格数据，再转换成POI能处理的格式，或者直接处理数据。
• 如果是其他非标准格式：可以尝试用Apache Tika来自动识别并解析，它支持多种格式的提取，能兼容很多“非标准”的Office文件。

3. 极端情况的临时 workaround #

如果以上方法都不适用，又必须用POI读取原文件，你可以考虑用代码模拟“打开再保存”的操作——比如用Apache POI结合Excel的COM接口（仅限Windows环境），或者用LibreOffice的命令行工具批量转换格式，但这种方法依赖外部环境，优先级低于前面的方案。

内容的提问来源于stack exchange，提问作者Molka.A