使用Open XML SDK处理大Excel内存过高，求高效行级处理方案

我之前在处理超大型Excel文件的时候遇到过完全一样的问题——DocumentFormat.OpenXml SDK默认的Descendants<T>遍历方式会悄悄构建整个工作表的对象树，而Cell和Row的_next强引用链会把所有对象都拴在内存里，GC根本收不走，内存直接飙到几个G都很正常。

要解决这个问题，核心思路是绕开SDK的对象树构建，直接用流式XML解析，这样每次只处理当前节点，不会把整个工作表都留在内存里。下面是具体的实现方案：

第一步：提前加载共享字符串表（SharedStringTable） #

因为大部分字符串值都存在共享字符串表里，提前把它加载到一个字典里缓存起来，后续解析单元格的时候直接查表就行，不用每次去读XML，效率更高：

private Dictionary<int, string> LoadSharedStrings(WorkbookPart workbookPart)
{
    var sharedStringPart = workbookPart.GetPartsOfType<SharedStringTablePart>().FirstOrDefault();
    if (sharedStringPart?.SharedStringTable == null)
    {
        return new Dictionary<int, string>();
    }

    return sharedStringPart.SharedStringTable.Elements<SharedStringItem>()
        .Select((item, index) => new { Index = index, Text = item.InnerText })
        .ToDictionary(x => x.Index, x => x.Text);
}

第二步：用XmlReader流式遍历工作表 #

不要用worksheetPart.Worksheet.Descendants<Row>()，而是直接打开工作表的XML流，用XmlReader逐节点解析，这样只会把当前处理的节点留在内存里：

var workbookPart = _document.WorkbookPart;
var sharedStrings = LoadSharedStrings(workbookPart);

foreach (var sheet in workbookPart.Workbook.Descendants<Sheet>())
{
    var worksheetPart = (WorksheetPart)workbookPart.GetPartById(sheet.Id);
    
    // 直接读取工作表的XML流，避免构建完整对象树
    using (var reader = XmlReader.Create(worksheetPart.GetStream()))
    {
        while (reader.Read())
        {
            // 找到<row>节点，开始处理一行
            if (reader.NodeType == XmlNodeType.Element && reader.LocalName == "row")
            {
                ProcessRow(reader, sharedStrings);
            }
        }
    }
    
    // 处理完当前工作表后，手动删除Part，强制释放资源
    workbookPart.DeletePart(worksheetPart);
}

第三步：实现行和单元格的解析逻辑 #

在ProcessRow方法里，继续用XmlReader遍历当前行下的<c>（单元格）节点，解析每个单元格的值：

private void ProcessRow(XmlReader reader, Dictionary<int, string> sharedStrings)
{
    // 遍历当前row节点的子节点
    while (reader.Read())
    {
        // 遇到row的结束节点，退出当前行的处理
        if (reader.NodeType == XmlNodeType.EndElement && reader.LocalName == "row")
        {
            break;
        }
        
        // 找到cell节点
        if (reader.NodeType == XmlNodeType.Element && reader.LocalName == "c")
        {
            var cellType = reader.GetAttribute("t"); // 获取单元格类型（s=共享字符串，n=数字等）
            var cellValue = string.Empty;
            
            // 读取单元格的<v>节点（值）
            if (reader.ReadToDescendant("v"))
            {
                cellValue = reader.ReadElementContentAsString();
            }
            
            // 解析最终值
            var finalValue = ParseCellValue(cellType, cellValue, sharedStrings);
            
            // 这里写你的业务逻辑，比如把值写入数据库、生成报表等
            // ...
        }
    }
}

private string ParseCellValue(string cellType, string cellValue, Dictionary<int, string> sharedStrings)
{
    if (string.IsNullOrEmpty(cellValue))
    {
        return string.Empty;
    }
    
    switch (cellType)
    {
        case "s": // 共享字符串
            if (int.TryParse(cellValue, out var stringIndex) && sharedStrings.TryGetValue(stringIndex, out var sharedText))
            {
                return sharedText;
            }
            break;
        case "n": // 数字
            // 可以根据需求转换成int/double，或者直接返回字符串
            return cellValue;
        case "b": // 布尔值
            return cellValue == "1" ? "TRUE" : "FALSE";
        case "d": // 日期
            if (double.TryParse(cellValue, out var dateNum))
            {
                // 注意：OpenXml的日期是OLE自动化日期，从1900-01-01开始计算天数，存在闰年bug
                return DateTime.FromOADate(dateNum).ToString("yyyy-MM-dd HH:mm:ss");
            }
            break;
    }
    
    return cellValue;
}

为什么这个方案能解决内存问题？ #

• 流式解析：XmlReader是向前读取的，每次只加载当前节点到内存，处理完就可以被GC回收，不会构建完整的Row/Cell对象树，也就不会产生那个导致内存泄漏的强引用链。
• 手动释放资源：处理完每个工作表后调用DeletePart，强制SDK释放该工作表的所有资源，避免内存占用累积。
• 共享字符串缓存：提前加载SharedStringTable，既提升了解析效率，又避免了反复读取XML的开销。

额外注意事项 #

• 如果你的Excel有大量格式或者注释，XmlReader会忽略这些非数据节点，只处理行和单元格，进一步减少内存占用。
• 对于极端大的文件（比如几十万行），可以考虑在处理行的时候批量写入数据（比如每处理1000行就批量插入数据库），避免业务逻辑本身带来的内存压力。
• 确保在使用完XmlReader后及时释放（用using语句），避免流泄漏。

内容的提问来源于stack exchange，提问作者vcsjones