如何找出导致 poi 损坏 xlsx / xlsm 文件的原因

Question

我遇到的问题是 Apache POI "corrupted" 一个 xlsm / xlsx 文件，只需读写它（例如使用以下代码）

public class Snippet {
    public static void main(String[] args) throws Exception {

        String str1 = "c:/tmp/spreadsheet.xlsm";
        String str2 = "c:/tmp/spreadsheet_poi.xlsm";

        // open file
        XSSFWorkbook wb = new XSSFWorkbook(new FileInputStream(new File(str1)));

        // save file
        FileOutputStream out = new FileOutputStream(str2);
        wb.write(out);
        wb.close();
        out.close();

    }
}

在 Excel 中打开 spreadsheet_poi.xlsm 后，您将收到如下错误

"We found a problem with some content in xxx. Do you want us to try to recover as much as we can..."?

如果您同意，您最终会得到一个如下所示的日志：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<recoveryLog xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main">
    <logFileName>error145040_01.xml</logFileName>
    <summary>Errors were detected in file 'C:\tmp\spreadsheet_poi.xlsm'</summary>
    <repairedParts>
        <repairedPart>Repaired Part: /xl/worksheets/sheet4.xml part with XML error.  Load error. Line 2, column 0.</repairedPart>
        <repairedPart>Repaired Part: /xl/worksheets/sheet5.xml part with XML error.  Load error. Line 2, column 0.</repairedPart>
        <repairedPart>Repaired Part: /xl/worksheets/sheet8.xml part with XML error.  Load error. Line 2, column 0.</repairedPart>
    </repairedParts>
</recoveryLog>

更详细地调试问题的最佳方法是什么（例如找出是什么使 poi 成为 "corrupt" 文件？

Answer 1

最终我发现调试的最佳方法是两件事

打开受影响的工作簿（例如使用 7zip 并使用 xml 编辑器格式化受影响的 sheets（例如 Notepad++ > Plugins > XML Tools > Pretty print (XML only - with line breaks）。保存文件并更新 xlsm 文件后，您将在 Excel 错误日志中获得 "real" 行号。替代选项（我没有尝试过但是应该根据 POI 邮件列表工作：使用 OOXMLPrettyPrint (https://svn.apache.org/repos/asf/poi/trunk/src/ooxml/java/org/apache/poi/ooxml/dev/) 格式化文件，然后在 excel.
如果实际行号还没有帮助比较原始 xlsx 文件的 sheet xml 文件和 poi 保存的文件。您会注意到在属性方面存在差异，而且顺序也不同。为了正确比较，我使用了 Beyond Compare 和 "Additional File Formats"（有关更多信息，请参阅 https://weblogs.asp.net/lorenh/comparing-xml-files-with-beyond-compare-3-brilliant）。也许还有另一个同样出色的 diff 工具。

在我的例子中，问题是 poi 以某种方式改变了尺寸设置

<dimension ref="A1:XFD147"/>

到

<dimension ref="A1:XFE147"/>

（XFE 是一个不存在的列）。我通过删除原始 xlsx 文件中的许多空列来修复它。

Answer 2

我的教授说："How does the mathematician find the lion in the desert?" - "First cuts the desert into two halves, finds out where is the lion, then repeats it until the lion is caught"。

所以，尝试从 Excel 文件中删除功能，尝试不同的版本，直到找到根本原因。不过，可能有多种原因。

如何找出导致 poi 损坏 xlsx / xlsm 文件的原因

How to find out what makes poi corrupt a xlsx / xlsm file

java

xlsx

apache-poi

xlsm