一、引言
Excel表格在后盾管理系统中应用十分宽泛,多用来进行批量配置、数据导出工作。在日常开发中,咱们也免不了进行Excel数据处理。
那么,如何失当地解决数据量宏大的Excel文件,防止内存溢出问题?本文将比照剖析业界支流的Excel解析技术,并给出解决方案。
如果这是您第一次接触Excel解析,建议您从第二章理解本文根底概念;如果您曾经对POI有所理解,请跳转第三章浏览本文重点内容。
二、根底篇-POI
说到Excel读写,就离不开这个圈子的的老大哥——POI。
Apache POI是一款Apache软件基金会用Java编写的收费开源的跨平台的 Java API,全称Poor Obfuscation Implementation,“简洁版的含糊实现”。它反对咱们用Java语言和包含Word、Excel、PowerPoint、Visio在内的所有Microsoft Office文档交互,进行数据读写和批改操作。
(1)“蹩脚”的电子表格
在POI中,每种文档都有一个与之对应的文档格局,如97-2003版本的Excel文件(.xls),文档格局为HSSF——Horrible SpreadSheet Format,意为“蹩脚的电子表格格局”。尽管Apache风趣而虚心地将本人的API冠以“蹩脚”之名,不过这的确是一款全面而弱小的API。
以下是局部“蹩脚”的POI文档格局,包含Excel、Word等:
Office文档 | 对应POI格局 |
---|---|
Excel (.xls) | HSSF (Horrible SpreadSheet Format) |
Word (.doc) | HWPF (Horrible Word Processor Format) |
Visio (.vsd) | HDGF (Horrible DiaGram Format) |
PowerPoint(.ppt) | HSLF(Horrible Slide Layout Format) |
(2)OOXML简介
微软在Office 2007版本推出了基于XML的技术规范:Office Open XML,简称OOXML。不同于老版本的二进制存储,在新标准下,所有Office文档都应用了XML格局书写,并应用ZIP格局进行压缩存储,大大晋升了规范性,也进步了压缩率,放大了文件体积,同时反对向后兼容。简略来说,OOXML定义了如何用一系列的XML文件来示意Office文档。
Xlsx文件的实质是XML
让咱们看看一个采纳OOML规范的Xlsx文件的形成。咱们右键点击一个Xlsx文件,能够发现它能够被ZIP解压工具解压(或间接批改扩大名为.zip后解压),这阐明:Xlsx文件是用ZIP格局压缩的。解压后,能够看到如下目录格局:
关上其中的“/xl”目录,这是这个Excel的次要构造信息:
其中workbook.xml存储了整个Excel工作簿的构造,蕴含了几张sheet表单,而每张表单构造存储在/wooksheets文件夹中。styles.xml寄存单元格的格局信息,/theme文件夹寄存一些预约义的字体、色彩等数据。为了缩小压缩体积,表单中所有的字符数据被对立寄存在sharedStrings.xml中。通过剖析不难发现,Xlsx文件的主体数据都以XML格局书写。
XSSF格局
为了反对新规范的Office文档,POI也推出了一套兼容OOXML规范的API,称作poi-ooxml。如Excel 2007文件(.xlsx)对应的POI文档格局为XSSF(XML SpreadSheet Format)。
以下是局部OOXML文档格局:
Office文档 | 对应POI格局 |
---|---|
Excel (.xlsx) | XSSF (XML SpreadSheet Format) |
Word (.docx) | XWPF (XML Word Processor Format) |
Visio (.vsdx) | XDGF (XML DiaGram Format) |
PowerPoint (.pptx) | XSLF (XML Slide Layout Format) |
(3)UserModel
在POI中为咱们提供了两种解析Excel的模型,UserModel(用户模型)和EventModel(事件模型) 。两种解析模式都能够解决Excel文件,但解析形式、解决效率、内存占用量都不尽相同。最简略和实用的当属UserModel。
UserModel & DOM解析
用户模型定义了如下接口:
- Workbook-工作簿,对应一个Excel文档。依据版本不同,有HSSFWorkbook、XSSFWorkbook等类。
- Sheet-表单,一个Excel中的若干个表单,同样有HSSFSheet、XSSFSheet等类。
- Row-行,一个表单由若干行组成,同样有HSSFRow、XSSFRow等类。
- Cell-单元格,一个行由若干单元格组成,同样有HSSFCell、XSSFCell等类。
能够看到,用户模型非常贴合Excel用户的习惯,易于了解,就像咱们关上一个Excel表格一样。同时用户模型提供了丰盛的API,能够反对咱们实现和Excel中一样的操作,如创立表单、创立行、获取表的行数、获取行的列数、读写单元格的值等。
为什么UserModel反对咱们进行如此丰盛的操作?因为在UserModel中,Excel中的所有XML节点都被解析成了一棵DOM树,整棵DOM树都被加载进内存,因而能够进行不便地对每个XML节点进行随机拜访。
UserModel数据转换
理解了用户模型,咱们就能够间接应用其API进行各种Excel操作。当然,更不便的方法是应用用户模型将一个Excel文件转化成咱们想要的Java数据结构,更好地进行数据处理。
咱们很容易想到关系型数据库——因为二者的本质是一样的。类比数据库的数据表,咱们的思路就有了:
- 将一个Sheet看作表头和数据两局部,这二者别离蕴含表的构造和表的数据。
- 对表头(第一行),校验表头信息是否和实体类的定义的属性匹配。
- 对数据(残余行),从上向下遍历每一个Row,将每一行转化为一个对象,每一列作为该对象的一个属性,从而失去一个对象列表,该列表蕴含Excel中的所有数据。
接下来咱们就能够依照咱们的需要解决咱们的数据了,如果想把操作后的数据写回Excel,也是一样的逻辑。
应用UserModel
让咱们看看如何应用UserModel读取Excel文件。此处应用POI 4.0.0版本,首先引入poi和poi-ooxml依赖:
<dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>4.0.0</version> </dependency> <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi-ooxml</artifactId> <version>4.0.0</version> </dependency>
咱们要读取一个简略的Sku信息表,内容如下:
如何将UserModel的信息转化为数据列表?
咱们能够通过实现反射+注解的形式定义表头到数据的映射关系,帮忙咱们实现UserModel到数据对象的转换。实现基本思路是: ① 自定义注解,在注解中定义列号,用来标注实体类的每个属性对应在Excel表头的第几列。 ② 在实体类定义中,依据表构造,为每个实体类的属性加上注解。 ③ 通过反射,获取实体类的每个属性对应在Excel的列号,从而到相应的列中获得该属性的值。
以下是简略的实现,首先筹备自定义注解ExcelCol,其中蕴含列号和表头:
import java.lang.annotation.ElementType;import java.lang.annotation.Retention;import java.lang.annotation.RetentionPolicy;import java.lang.annotation.Target;@Target({ElementType.FIELD})@Retention(RetentionPolicy.RUNTIME)public @interface ExcelCol { /** * 当前列数 */ int index() default 0; /** * 当前列的表头名称 */ String header() default "";}
接下来,依据Sku字段定义Sku对象,并增加注解,列号别离为0,1,2,并指定表头名称:
import lombok.Data;import org.shy.xlsx.annotation.ExcelCol;@Datapublic class Sku { @ExcelCol(index = 0, header = "sku") private Long id; @ExcelCol(index = 1, header = "名称") private String name; @ExcelCol(index = 2, header = "价格") private Double price;}
而后,用反射获取表头的每一个Field,并以列号为索引,存入Map中。从Excel的第二行开始(第一行是表头),遍历前面的每一行,对每一行的每个属性,依据列号拿到对应Cell的值,并为数据对象赋值。依据单元格中值类型的不同,如文本/数字等,进行不同的解决。以下为了简化逻辑,只对表头呈现的类型进行了解决,其余状况的解决逻辑相似。全副代码如下:
import com.alibaba.fastjson.JSON;import org.apache.commons.lang3.StringUtils;import org.apache.poi.ss.usermodel.*;import org.apache.poi.xssf.usermodel.XSSFWorkbook;import org.shy.domain.pojo.Sku;import org.shy.xlsx.annotation.ExcelCol;import java.io.FileInputStream;import java.lang.reflect.Field;import java.text.DecimalFormat;import java.util.ArrayList;import java.util.HashMap;import java.util.List;import java.util.Map;public class MyUserModel { public static void main(String[] args) throws Exception { List<Sku> skus = parseSkus("D:\sunhaoyu8\Documents\Files\skus.xlsx"); System.out.println(JSON.toJSONString(skus)); } public static List<Sku> parseSkus(String filePath) throws Exception { FileInputStream in = new FileInputStream(filePath); Workbook wk = new XSSFWorkbook(in); Sheet sheet = wk.getSheetAt(0); // 转换成的数据列表 List<Sku> skus = new ArrayList<>(); // 获取Sku的注解信息 Map<Integer, Field> fieldMap = new HashMap<>(16); for (Field field : Sku.class.getDeclaredFields()) { ExcelCol col = field.getAnnotation(ExcelCol.class); if (col == null) { continue; } field.setAccessible(true); fieldMap.put(col.index(), field); } for (int rowNum = 1; rowNum <= sheet.getLastRowNum(); rowNum++) { Row r = sheet.getRow(rowNum); Sku sku = new Sku(); for (int cellNum = 0; cellNum < fieldMap.size(); cellNum++) { Cell c = r.getCell(cellNum); if (c != null) { setFieldValue(fieldMap.get(cellNum), getCellValue(c), sku); } } skus.add(sku); } return skus; } public static void setFieldValue(Field field, String value, Sku sku) throws Exception { if (field == null) { return; } //失去此属性的类型 String type = field.getType().toString(); if (StringUtils.isBlank(value)) { field.set(sku, null); } else if (type.endsWith("String")) { field.set(sku, value); } else if (type.endsWith("long") || type.endsWith("Long")) { field.set(sku, Long.parseLong(value)); } else if (type.endsWith("double") || type.endsWith("Double")) { field.set(sku, Double.parseDouble(value)); } else { field.set(sku, value); } } public static String getCellValue(Cell cell) { DecimalFormat df = new DecimalFormat("#.##"); if (cell == null) { return ""; } switch (cell.getCellType()) { case NUMERIC: return df.format(cell.getNumericCellValue()); case STRING: return cell.getStringCellValue().trim(); case BLANK: return null; } return ""; }
最初,将转换实现的数据列表打印进去。运行后果如下:
[{"id":345000,"name":"电脑A","price":5999.0},{"id":345001,"name":"手机C","price":4599.0}]
Tips:如果您的程序呈现“NoClassDefFoundError”,请引入ooxml-schemas依赖:
<dependency> <groupId>org.apache.poi</groupId> <artifactId>ooxml-schemas</artifactId> <version>1.4</version></dependency>
版本抉择见下表,如POI 4.0.0对应ooxml-schemas 1.4版本:
UserModel的局限
以上解决逻辑对于大部分的Excel文件都很实用,但最大的毛病是内存开销大,因为所有的数据都被加载入内存。实测,以上3列的Excel文件在7万行左右就会呈现OOM,而XLS文件最大行数为65535行,XLSX更是达到了1048576行,如果将几万甚至百万级别的数据全副读入内存,内存溢出危险极高。
那么,该如何解决传统UserModel无奈解决大批量Excel的问题呢?开发者们给出了许多精彩的解决方案,请看下一章。
三、进阶篇-内存优化的摸索
接下来介绍本文重点内容,同时解决本文所提出的问题:如何进行Excel解析的内存优化,从而解决百万行Excel文件?
(1)EventModel
后面咱们提到,除了UserModel外,POI还提供了另一种解析Excel的模型:EventModel事件模型。不同于用户模型的DOM解析,事件模型采纳了SAX的形式去解析Excel。
EventModel & SAX解析
SAX的全称是Simple API for XML,是一种基于事件驱动的XML解析办法。不同于DOM一次性读入XML,SAX会采纳边读取边解决的形式进行XML操作。简略来讲,SAX解析器会逐行地去扫描XML文档,当遇到标签时会触发解析处理器,从而触发相应的事件Handler。咱们要做的就是继承DefaultHandler类,重写一系列事件处理办法,即可对Excel文件进行相应的解决。
上面是一个简略的SAX解析的示例,这是要解析的XML文件:一个sku表,其中蕴含两个sku节点,每个节点有一个id属性和三个子节点。
<?xml version="1.0" encoding="UTF-8"?><skus> <sku id="345000"> <name>电脑A</name> <price>5999.0</price> </sku> <sku id="345001"> <name>手机C</name> <price>4599.0</price> </sku></skus>
对照XML构造,创立Java实体类:
import lombok.Data;@Datapublic class Sku { private Long id; private String name; private Double price;}
自定义事件处理类SkuHandler:
import com.alibaba.fastjson.JSON;import org.shy.domain.pojo.Sku;import org.xml.sax.Attributes;import org.xml.sax.SAXException;import org.xml.sax.helpers.DefaultHandler;public class SkuHandler extends DefaultHandler { /** * 以后正在解决的sku */ private Sku sku; /** * 以后正在解决的节点名称 */ private String tagName; @Override public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException { if ("sku".equals(qName)) { sku = new Sku(); sku.setId(Long.valueOf((attributes.getValue("id")))); } tagName = qName; } @Override public void endElement(String uri, String localName, String qName) throws SAXException { if ("sku".equals(qName)) { System.out.println(JSON.toJSONString(sku)); // 解决业务逻辑 // ... } tagName = null; } @Override public void characters(char[] ch, int start, int length) throws SAXException { if ("name".equals(tagName)) { sku.setName(new String(ch, start, length)); } if ("price".equals(tagName)) { sku.setPrice(Double.valueOf(new String(ch, start, length))); } }}
其中,SkuHandler重写了三个事件响应办法:
startElement()——每当扫描到新XML元素时,调用此办法,传入XML标签名称qName,XML属性列表attributes;
characters()——每当扫描到未在XML标签中的字符串时,调用此办法,传入字符数组、起始下标和长度;
endElement()——每当扫描到XML元素的完结标签时,调用此办法,传入XML标签名称qName。
咱们用一个变量tagName存储以后扫描到的节点信息,每次扫描节点发送变动时,更新tagName;
用一个Sku实例保护以后读入内存的Sku信息,每当该Sku读取实现时,咱们打印该Sku信息,并执行相应业务逻辑。这样,就能够做到一次读取一条Sku信息,边解析边解决。因为每行Sku构造雷同,因而,只须要在内存保护一条Sku信息即可,防止了一次性把所有信息读入内存。
调用SAX解析器时,应用SAXParserFactory创立解析器实例,解析输出流即可,Main办法如下:
import org.shy.xlsx.sax.handler.SkuHandler;import javax.xml.parsers.SAXParser;import javax.xml.parsers.SAXParserFactory;import java.io.InputStream;public class MySax { public static void main(String[] args) throws Exception { parseSku(); } public static void parseSku() throws Exception { SAXParserFactory saxParserFactory = SAXParserFactory.newInstance(); SAXParser saxParser = saxParserFactory.newSAXParser(); InputStream inputStream = ClassLoader.getSystemResourceAsStream("skus.xml"); saxParser.parse(inputStream, new SkuHandler()); }}
输入后果如下:
{"id":345000,"name":"电脑A","price":5999.0}{"id":345001,"name":"手机C","price":4599.0}
以上演示了SAX解析的根底原理。EventModel的API更简单,同样通过重写Event handler,实现SAX解析。有趣味的读者,请参见POI官网的示例代码: https://poi.apache.org/components/spreadsheet/how-to.html
EventModel的局限
POI官网提供的EventModel API尽管应用SAX形式解决了DOM解析的问题,然而存在一些局限性:
① 属于low level API,形象级别低,绝对比较复杂,学习应用老本高。
② 对于HSSF和XSSF类型的解决形式不同,代码须要依据不同类型别离做兼容。
③ 未能完满解决内存溢出问题,内存开销仍有优化空间。
④ 仅用于Excel解析,不反对Excel写入。
因而,笔者不倡议应用POI原生的EventModel,至于有哪些更举荐的工具,请看下文。
(2)SXSSF
SXSSF简介
SXSSF,全称Streaming XML SpreadSheet Format,是POI 3.8-beta3版本后推出的低内存占用的流式Excel API,旨在解决Excel写入时的内存问题。它是XSSF的扩大,当须要将大批量数据写入Excel中时,只须要用SXSSF替换XSSF即可。SXSSF的原理是滑动窗口——在内存中保留肯定数量的行,其余行存储在磁盘。这么做的益处是内存优化,代价是失去了随机拜访的能力。SXSSF能够兼容XSSF的绝大多数API,非常适合理解UserModel的开发者。
内存优化会难以避免地带来肯定限度:
① 在某个工夫点只能拜访无限数量的行,因为其余行并未被加载入内存。
② 不反对须要随机拜访的XSSF API,如删除/挪动行、克隆sheet、公式计算等。
③ 不反对Excel读取操作。
④ 正因为它是XSSF的扩大,所以不反对写入Xls文件。
UserModel、EventModel、SXSSF比照
到这里就介绍完了所有的POI Excel API,下表是所有这些API的性能比照,来自POI官网:
能够看到,UserModel基于DOM解析,性能是最齐全的,反对随机拜访,惟一毛病是CPU和内存效率不稳固;
EventModel是POI提供的流式读取计划,基于SAX解析,仅反对向前拜访,其余API不反对;
SXSSF是POI提供的流式写入计划,同样仅能向前拜访,反对局部XSSF API。
(3)EasyExcel
EasyExcel简介
为了解决POI原生的SAX解析的问题,阿里基于POI二次开发了EasyExcel。上面是援用自EasyExcel官网的介绍:
Java解析、生成Excel比拟有名的框架有Apache poi、jxl。但他们都存在一个重大的问题就是十分的耗内存,poi有一套SAX模式的API能够肯定水平的解决一些内存溢出的问题,但POI还是有一些缺点,比方07版Excel解压缩以及解压后存储都是在内存中实现的,内存耗费仍然很大。 easyexcel重写了poi对07版Excel的解析,一个3M的excel用POI sax解析仍然须要100M左右内存,改用easyexcel能够升高到几M,并且再大的excel也不会呈现内存溢出;03版依赖POI的sax模式,在下层做了模型转换的封装,让使用者更加简略不便。
如介绍所言,EasyExcel同样采纳SAX形式解析,但因为重写了xlsx的SAX解析,优化了内存开销;对xls文件,在下层进一步进行了封装,升高了应用老本。API上,采纳注解的形式去定义Excel实体类,使用方便;通过事件监听器的形式做Excel读取,相比于原生EventModel,API大大简化;写入数据时,EasyExcel对少量数据,通过反复屡次写入的形式从而升高内存开销。
EasyExcel最大的劣势是应用简便,十分钟能够上手。因为对POI的API都做了高级封装,所以适宜不想理解POI根底API的开发者。总之,EasyExcel是一款值得一试的API。
应用EasyExcel
引入easyexcel依赖:
<dependency> <groupId>com.alibaba</groupId> <artifactId>easyexcel</artifactId> <version>2.2.3</version></dependency>
首先,用注解定义Excel实体类:
import com.alibaba.excel.annotation.ExcelProperty;import lombok.Data;@Datapublic class Sku { @ExcelProperty(index = 0) private Long id; @ExcelProperty(index = 1) private String name; @ExcelProperty(index = 2) private Double price;}
接下来,重写AnalysisEventListener中的invoke和doAfterAllAnalysed办法,这两个办法别离在监听到单行解析实现的事件时和全副解析实现的事件时调用。每次单行解析实现时,咱们打印解析后果,代码如下:
import com.alibaba.excel.EasyExcel;import com.alibaba.excel.context.AnalysisContext;import com.alibaba.excel.event.AnalysisEventListener;import com.alibaba.fastjson.JSON;import org.shy.domain.pojo.easyexcel.Sku;public class MyEasyExcel { public static void main(String[] args) { parseSku(); } public static void parseSku() { //读取文件门路 String fileName = "D:\sunhaoyu8\Documents\Files\excel.xlsx"; //读取excel EasyExcel.read(fileName, Sku.class, new AnalysisEventListener<Sku>() { @Override public void invoke(Sku sku, AnalysisContext analysisContext) { System.out.println("第" + analysisContext.getCurrentRowNum() + "行:" + JSON.toJSONString(sku)); } @Override public void doAfterAllAnalysed(AnalysisContext analysisContext) { System.out.println("全副解析实现"); } }).sheet().doRead(); }}
测验一下,用它解析一个十万行的excel,该文件用UserModel读取会OOM,如下:
运行后果:
(4)Xlsx-streamer
Xlsx-streamer简介
Xlsx-streamer是一款用于流式读取Excel的工具,同样基于POI二次开发。尽管EasyExcel能够很好地解决Excel读取的问题,但解析形式为SAX,须要通过实现监听器以事件驱动的形式进行解析。有没有其余的解析形式呢?Xlsx-streamer给出了答案。
译自官网文档的形容:
如果您过来曾应用 Apache POI 读取 Excel 文件,您可能会留神到它的内存效率不是很高。 浏览整个工作簿会导致重大的内存应用顶峰,这会对服务器造成严重破坏。 Apache 必须读取整个工作簿的起因有很多,但其中大部分与该库容许您应用随机地址进行读写无关。 如果(且仅当)您只想以疾速且内存高效的形式读取 Excel 文件的内容,您可能不须要此性能。 可怜的是,POI 库中惟一用于读取流式工作簿的货色要求您的代码应用相似 SAX 的解析器。 该 API 中短少所有敌对的类,如 Row 和 Cell。 该库充当该流式 API 的包装器,同时保留规范 POI API 的语法。 持续浏览,看看它是否适宜您。 留神:这个库只反对读取 XLSX 文件。
如介绍所言,Xlsx-streamer最大的便当之处是兼容了用户应用POI UserModel的习惯,它对所有的UserModel接口都给出了本人的流式实现,如StreamingSheet、StreamingRow等,对于相熟UserModel的开发者来说,简直没有学习门槛,能够间接应用UserModel拜访Excel。
Xlsx-streamer的实现原理和SXSSF雷同,都是滑动窗口——限定读入内存中的数据大小,将正在解析的数据读到内存缓冲区中,造成一个临时文件,以避免大量应用内存。缓冲区的内容会随着解析的过程一直变动,当流敞开后,临时文件也将被删除。因为内存缓冲区的存在,整个流不会被残缺地读入内存,从而避免了内存溢出。
与SXSSF一样,因为内存中仅加载入局部行,故就义了随机拜访的能力,仅能通过遍历程序拜访整表,这是不可避免的局限。换言之,如果调用StreamingSheet.getRow(int rownum)办法,该办法会获取sheet的指定行,会抛出“不反对该操作”的异样。
Xlsx-streamer最大的劣势是兼容UserModel,尤其适宜那些相熟UserModel又不想应用繁琐的EventModel的开发者。它和SXSSF一样,都通过实现UserModel接口的形式给出解决内存问题的计划,很好地填补了SXSSF不反对读取的空白,能够说它是“读取版”的SXSSF。
应用Xlsx-streamer
引入pom依赖:
<dependency> <groupId>com.monitorjbl</groupId> <artifactId>xlsx-streamer</artifactId> <version>2.1.0</version> </dependency>
上面是一个应用xlsx-streamer的demo:
import com.monitorjbl.xlsx.StreamingReader;import org.apache.poi.ss.usermodel.Cell;import org.apache.poi.ss.usermodel.Row;import org.apache.poi.ss.usermodel.Sheet;import org.apache.poi.ss.usermodel.Workbook;import java.io.FileInputStream;public class MyXlsxStreamer { public static void main(String[] args) throws Exception { parseSku(); } public static void parseSku() throws Exception { FileInputStream in = new FileInputStream("D:\sunhaoyu8\Documents\Files\excel.xlsx"); Workbook wk = StreamingReader.builder() //缓存到内存中的行数,默认是10 .rowCacheSize(100) //读取资源时,缓存到内存的字节大小,默认是1024 .bufferSize(4096) //关上资源,必须,能够是InputStream或者是File .open(in); Sheet sheet = wk.getSheetAt(0); for (Row r : sheet) { System.out.print("第" + r.getRowNum() + "行:"); for (Cell c : r) { if (c != null) { System.out.print(c.getStringCellValue() + " "); } } System.out.println(); } }}
如代码所示,Xlsx-streamer的应用办法为:应用StreamingReader进行参数配置和流式读取,咱们能够手动配置固定的滑动窗口大小,有两个指标,别离是缓存在内存中的最大行数和缓存在内存的最大字节数,这两个指标会同时限度该滑动窗口的下限。接下来,咱们能够应用UserModel的API去遍历拜访读到的表格。
应用十万行量级的excel文件实测一下,运行后果:
StAX解析
Xlsx-streamer底层采纳的解析形式,被称作StAX解析。StAX于2004年3月在JSR 173标准中引入,是JDK 6.0推出的新个性。它的全称是Streaming API for XML,流式XML解析。更精确地讲,称作“流式拉剖析”。之所以称作拉剖析,是因为它和“流式推剖析”——SAX解析绝对。
之前咱们提到,SAX解析是一种事件驱动的解析模型,每当解析到标签时都会触发相应的事件Handler,将事件“推”给响应器。在这样的推模型中,解析器是被动,响应器是被动,咱们不能抉择想要响应哪些事件,因而这样的解析比拟不灵便。
为了解决SAX解析的问题,StAX解析采纳了“拉”的形式——由解析器遍历流时,原来的响应器变成了驱动者,被动遍历事件解析器(迭代器),从中拉取一个个事件并解决。在解析过程中,StAX反对应用peek()办法来"偷看"下一个事件,从而决定是否有必要剖析下一个事件,而不用从流中读取事件。这样能够无效进步灵活性和效率。
上面用StAX的形式再解析一下雷同的XML:
<?xml version="1.0" encoding="UTF-8"?><skus> <sku id="345000"> <name>电脑A</name> <price>5999.0</price> </sku> <sku id="345001"> <name>手机C</name> <price>4599.0</price> </sku></skus>
这次咱们不须要监听器,把所有解决的逻辑集成在一个办法中:
import com.alibaba.fastjson.JSON;import org.apache.commons.lang3.StringUtils;import org.shy.domain.pojo.Sku;import javax.xml.stream.XMLEventReader;import javax.xml.stream.XMLInputFactory;import javax.xml.stream.events.Attribute;import javax.xml.stream.events.StartElement;import javax.xml.stream.events.XMLEvent;import java.io.InputStream;import java.util.Iterator;public class MyStax { /** * 以后正在解决的sku */ private static Sku sku; /** * 以后正在解决的节点名称 */ private static String tagName; public static void main(String[] args) throws Exception { parseSku(); } public static void parseSku() throws Exception { XMLInputFactory inputFactory = XMLInputFactory.newInstance(); InputStream inputStream = ClassLoader.getSystemResourceAsStream("skus.xml"); XMLEventReader xmlEventReader = inputFactory.createXMLEventReader(inputStream); while (xmlEventReader.hasNext()) { XMLEvent event = xmlEventReader.nextEvent(); // 开始节点 if (event.isStartElement()) { StartElement startElement = event.asStartElement(); String name = startElement.getName().toString(); if ("sku".equals(name)) { sku = new Sku(); Iterator iterator = startElement.getAttributes(); while (iterator.hasNext()) { Attribute attribute = (Attribute) iterator.next(); if ("id".equals(attribute.getName().toString())) { sku.setId(Long.valueOf(attribute.getValue())); } } } tagName = name; } // 字符 if (event.isCharacters()) { String data = event.asCharacters().getData().trim(); if (StringUtils.isNotEmpty(data)) { if ("name".equals(tagName)) { sku.setName(data); } if ("price".equals(tagName)) { sku.setPrice(Double.valueOf(data)); } } } // 完结节点 if (event.isEndElement()) { String name = event.asEndElement().getName().toString(); if ("sku".equals(name)) { System.out.println(JSON.toJSONString(sku)); // 解决业务逻辑 // ... } } } }}
以上代码与SAX解析的逻辑是等价的,用XMLEventReader作为迭代器从流中读取事件,循环遍历事件迭代器,再依据事件类型做分类解决。有趣味的小伙伴能够本人入手尝试一下,摸索更多StAX解析的细节。
四、论断
EventModel、SXSSF、EasyExcel和Xlsx-streamer别离针对UserModel的内存占用问题给出了各自的解决方案,上面是对所有本文提到的Excel API的比照:
UserModel | EventModel | SXSSF | EasyExcel | Xlsx-streamer | |
---|---|---|---|---|---|
内存占用量 | 高 | 较低 | 低 | 低 | 低 |
全表随机拜访 | 是 | 否 | 否 | 否 | 否 |
读Excel | 是 | 是 | 否 | 是 | 是 |
读取形式 | DOM | SAX | -- | SAX | StAX |
写Excel | 是 | 是 | 是 | 是 | 否 |
建议您依据本人的应用场景抉择适宜的API:
- 解决大批量Excel文件的需要,举荐抉择POI UserModel、EasyExcel;
- 读取大批量Excel文件,举荐抉择EasyExcel、Xlsx-streamer;
- 写入大批量Excel文件,举荐抉择SXSSF、EasyExcel。
应用以上API,肯定能够满足对于Excel开发的需要。当然Excel API不止这些,还有许多同类型的API,欢送大家多多摸索和翻新。
页面链接:
POI官网: https://poi.apache.org/
EasyExcel官网:https://easyexcel.opensource.alibaba.com
Xlsx-streamer Github: https://github.com/monitorjbl/excel-streaming-reader
作者:京东保险 孙昊宇
起源:京东云开发者社区