如何使用Apache XSSF POI流式API读取真实数值而非格式化值？

我完全懂你的困扰——用流式API本来是为了解决内存占用问题，结果却只能拿到格式化后的截断值，根本取不到单元格的真实数值。别着急，咱们换个思路，不依赖SheetContentsHandler里的formattedValue，直接解析Excel底层的XML事件，就能拿到原始值，同时还能保持流式处理的内存优势。

问题根源 #

你之前用的SheetContentsHandler.cell()方法里的formattedValue，是POI通过DataFormatter按照单元格的显示格式处理后的结果——比如单元格设置了只显示2位小数，那这个值就会自动截断成2位，自然拿不到真实的完整数值。要获取原始值，得直接读取XML里存储的单元格原生内容。

解决方案：直接解析XML事件流 #

通过XSSFReader读取每个sheet的XML流，用SAX解析器逐个处理XML元素，提取单元格的类型和原始值。这种方式完全是流式处理，不会把整个Excel文档加载到内存，同时能拿到未被格式化的真实数据。

示例代码

import org.apache.poi.openxml4j.opc.OPCPackage;
import org.apache.poi.xssf.eventusermodel.XSSFReader;
import org.apache.poi.xssf.model.SharedStringsTable;
import org.xml.sax.Attributes;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;
import org.xml.sax.XMLReader;
import org.xml.sax.helpers.DefaultHandler;
import org.xml.sax.helpers.XMLReaderFactory;

import java.io.File;
import java.io.InputStream;
import java.math.BigDecimal;

public class StreamingExcelRealValueReader {

    public static void main(String[] args) throws Exception {
        OPCPackage pkg = OPCPackage.open(new File("your-excel-file.xlsx"));
        XSSFReader reader = new XSSFReader(pkg);
        SharedStringsTable sharedStringsTable = reader.getSharedStringsTable();

        // 创建SAX解析器并设置自定义内容处理器
        XMLReader saxParser = XMLReaderFactory.createXMLReader();
        saxParser.setContentHandler(new RealValueContentHandler(sharedStringsTable));

        // 遍历所有sheet并解析
        XSSFReader.SheetIterator sheetIterator = (XSSFReader.SheetIterator) reader.getSheetsData();
        while (sheetIterator.hasNext()) {
            try (InputStream sheetStream = sheetIterator.next()) {
                System.out.println("正在处理Sheet: " + sheetIterator.getSheetName());
                saxParser.parse(new InputSource(sheetStream));
            }
        }

        pkg.close();
    }

    private static class RealValueContentHandler extends DefaultHandler {
        private final SharedStringsTable sharedStringsTable;
        private String currentCellRef;
        private String currentCellType;
        private StringBuilder currentCellValue;

        public RealValueContentHandler(SharedStringsTable sharedStringsTable) {
            this.sharedStringsTable = sharedStringsTable;
        }

        @Override
        public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
            switch (qName) {
                case "c": // 单元格元素开始
                    currentCellRef = attributes.getValue("r");
                    currentCellType = attributes.getValue("t"); // 获取单元格类型标识
                    currentCellValue = new StringBuilder();
                    break;
                case "v": // 单元格值元素开始，准备收集内容
                    currentCellValue = new StringBuilder();
                    break;
            }
        }

        @Override
        public void characters(char[] ch, int start, int length) throws SAXException {
            if (currentCellValue != null) {
                currentCellValue.append(ch, start, length);
            }
        }

        @Override
        public void endElement(String uri, String localName, String qName) throws SAXException {
            if ("v".equals(qName)) { // 单元格值读取完成，处理原始值
                Object realValue = parseRawValue(currentCellValue.toString(), currentCellType);
                // 替换成你的业务逻辑方法
                useTheCellValue(currentCellRef, realValue);
            }
        }

        private Object parseRawValue(String rawValue, String cellType) {
            if (rawValue == null || rawValue.isEmpty()) {
                return null;
            }

            switch (cellType) {
                case "s": // 共享字符串类型，从共享表中获取真实字符串
                    int stringIndex = Integer.parseInt(rawValue);
                    return sharedStringsTable.getItemAt(stringIndex).getString();
                case "n": // 数字类型，用BigDecimal避免精度丢失
                    return new BigDecimal(rawValue);
                case "b": // 布尔类型
                    return "1".equals(rawValue);
                // 按需扩展：公式、日期等类型的处理
                default:
                    return rawValue;
            }
        }
    }

    // 替换为你的业务处理方法
    private static void useTheCellValue(String cellRef, Object value) {
        System.out.printf("单元格 %s: 真实值 = %s (类型: %s)%n", 
            cellRef, value, value != null ? value.getClass().getSimpleName() : "空值");
    }
}

关键细节说明 #

1. 单元格类型识别：通过XML元素c的t属性判断类型，比如"n"代表数字、"s"代表共享字符串、"b"代表布尔值。
2. 原始值解析：
   • 数字类型用BigDecimal解析原始字符串，避免double类型的精度丢失问题
   • 字符串类型从SharedStringsTable中读取真实内容（Excel会复用重复字符串来节省空间）
3. 流式内存优势：整个过程只处理当前XML片段，不会加载整个文档到内存，完美解决大文件的内存占用问题。

额外提示 #

如果需要处理日期类型，Excel会把日期存储为数字（从1900年1月1日开始的天数），这时候需要额外解析单元格的样式表，判断是否为日期格式后再转换为日期对象。不过如果你的需求只是获取数值的真实值，上面的代码就足够满足了。

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