5、自定义SDK，使用xmlReader文件流式处理

　　第四章节中，总是感觉用别人的工具要受制于人。既然我 们知道了Excel的存储方式，问题便转换成从xml中取出数据，然后放入内存得到我们想要的东西，更重要的是，官方的sdk对xml的读取采用的 Document的方式，对于大文件xml执行速度必然降低，同时对 内存，数据量都有限制，若有几十亿，好几百T的数据，这种处理方式就很难发挥作用了，所以我们决定自己做一个sdk出来，只是将原来读取xml的方式，改 为用xmlReader的方式来读取，采用文件流的方式进行处理。

　　就不需要将整个的xml文件树完全的读进去，而是按照流的方式进行处理，按照节点一个一个的读取，速度就会更进一步，并且不受数据量以及内存的限制。

　 　网上关于这样的处理的文章较多，大概整理了一下，但是都不全面，在处理的时候还会遇到很多的问题，网上给的代码也只是一个思路，碰到bug，还需要 自己去更多了解Excel到xml的转换过程到底是怎么样的，而本文将站在巨人的肩膀上，告诉你，应该注意的细节。首先还是转载下前人的文档，然后在对文 档中的问题，进行介绍，注意这些问题是必须要注意的，不然会耗费你大量的时间却找不到自己想要的结果！

5.1 Open XML 文件的结构

　　最近开发的一个网页查询的项目 中，客户提供的数据是多个 Excel 2007 文件，这些文件都很大，有的有十几万行(注意：Excel 2003 文件不能超过 65,536 行)。这些 Excel 2007 文件需要定期批量转换为网页程序可以读取的专用二进制格式文件。我们知道，Microsoft Office System 2007 引入了一个新的文件格式：Office Open XML 格式。她是基于 XML 和 ZIP 归档技术创建的，可以使用任何平台的能够处理 XML 或者 ZIP 文件的工具来访问并且修改文档内容。所以我们就可以使用 Microsoft .NET Framework 2.0 的强大 XML 类库来读取 Excel 2007 文件并转换为网页程序所需的专用二进制格式文件。当然，也可以使用 System.IO.Packaging 名称空间中的类库，但是她位于 .NET Framework 3.0 SDK (WinFX) 的 WindowsBase.dll 中。微软网站上有几篇很有用的文章：“Office (2007) Open XML 文件格式简介”和“如何操作 Office Open XML 格式文档”。下面，就来看看 Excel 2007 (及以上版本) 的Open XML 文件的结构吧。

                                  解压后的文件

上图是一个名为test_file.xlsx 的 Excel 2013 文件。该文件其实是一个 zip 文件。为了分析其结构，我们现在把她解压到D:\最近下载\_Major\TEST_SETS\XLS文件解析\test_file 目录下。第一个重要的文件是 xl/workbook.xml，如下图所示：

该 文件中的每个“<sheet>”元素都代表 Excel 2013 文件中的一个工作表，工作表的名称就是其“name”属性的值，在上图中是“好人”和“坏人”。然后根据“<sheet>”元素“r:id” 属性的值(如上图中的“rId1”)到 xl/_rels/workbook.xml.rels 文件中寻找相应工作表数据实际存放的 xml 文件，如下图所示：

从图中可以看中，第一个工作表“好人”的数据实际存放在 worksheets/sheet1.xml 文件中，该文件的内容如下图所示：

上 图中的“<dimension>”元素的“ref”属性的值(“B4:C6”)表示该工作表的范围。

“<sheetData>”元素表示工作的数据，其子元素“<row>”表示工作表中的一行，“<row>”的子元素“<c>”表示该行中的单元格。

如果“<c>”元素有“t”属性的话，“<c>”元素的子元素 “<v>”的值就是各工作表共享的字符串的索引。否则的话，“<v>”元素的值就是该单元格的值。

各工作表共享的字符串存放在 xl/sharedStrings.xml 文件中，如下图所示：

上图中，“<sst>”元素的子元素“<si>”就代表了共享的字符串，其值就是“<si>”元素的子元素“<t>”的值。

5.2 测试程序

下面就看看我们的测试程序吧：

源程序的整体结构如下图所示：

我们先看看 XlsxFile.cs 吧：

 XlsxFile

该 程序已经有很详细的注释了。在该程序中用 XmlDocument 类来读 xl/workbook.xml 文件和 xl/_rels/workbook.xml.rels 文件，是因为这两个文件都是非常小的文件。然后再来看看 XlsxFile.SharedStrings.cs 吧：

 XlsxFile.SharedStrings

这下必须用 XmlReader 类来读取 xl/sharedStrings.xml 了，因为这个 xml 文件可能很大。最后是 XlsxFile.Sheet.cs 了：

 XlsxFile.Sheet

在这个程序中也是用 XmlReader 类来读取 xl/worksheets/sheet1.xml 文件。

5.3 说明

1.时间的问题，非文本的时间，xml中会自动转换成浮点数存放的，这个浮点数是通过ToOAtime()得到的,这个函数是干嘛的？自己查sdk去。

2.sharedStrings 中<t></t>并不是完全跟<si></si>一对一对应关系的，本文的代码中是默认一对一的，其实 是错误的，因为当单元格中内容若有颜色，字体，大小属性限制某个字符的，会将这个单元格的内容拆分成多个t标签来存放，具体可以自己测试去，因为涉及到保 密，就不提供源码了，处理也很简单，我这里就是告诉下你，这种情况会出问题，要注意！

源码下载地址 OpenXmlTest Download Link 2016-8-15