EPPlus 是 .NET 6+ 项目 Excel 导入导出最稳妥选择；纯托管、零依赖、API 直观、MIT 免费商用，支持 .NET Core 3.1+ 及 .NET 5+，但不支持 .xls 旧格式。
用 EPPlus 实现 Excel 导入导出最稳妥，.NET 6+ 项目直接 NuGet 安装 EPPlus 即可开干；别碰 Microsoft.Office.Interop.Excel，它依赖本地 Office、不支持 Linux、极易卡死。
为什么选 EPPlus 而不是 Interop 或 NPOI
Interop 必须装 Excel，服务器部署直接报错 Retrieving the COM class factory for component with CLSID {00024500-0000-0000-C000-000000000046} failed；NPOI API 繁琐，对 .xlsx 支持弱，读写合并单元格、样式、公式容易丢数据。而 EPPlus 纯托管、零依赖、API 直观，且从 6.x 开始免费商用（MIT 协议）。
- 仅支持 .xlsx（不支持 .xls），若必须处理旧格式，先用 LibreOffice 命令行转成 xlsx 再进流程
- .NET Framework 4.5+ 和 .NET Core 3.1+ / .NET 5+ 全支持，但
EPPlus 6+不再支持 .NET Framework 4.6.1 以下版本 - 读大文件（>10 万行）时务必用
LoadFromCollection+AutoFilter = true，否则内存暴涨
导入：用 LoadFromCollection 读 Excel 到 List
别手动遍历 ExcelWorksheet.Cells——易错、慢、难维护。直接让 EPPlus 映射列名到属性名：
var package = new ExcelPackage(new FileInfo("data.xlsx"));
var worksheet = package.Workbook.Worksheets[0];
var data = worksheet.Cells["A1"].LoadFromCollection<User>(users, true); // true 表示首行为标题
- 类
User属性名必须和 Excel 表头文字**完全一致**（忽略大小写，但空格、标点不能差） - 支持
[Column(Order = 1)]特性控制列顺序，也支持[DisplayName("用户姓名")]匹配中文表头 - 空单元格会映射为
null（引用类型）或默认值（值类型），若需跳过整行，得自己加Where(r => !string.IsNullOrWhiteSpace(r.Name))
导出：用 LoadFromCollection 写 List 到 Excel
导出比导入更简单，核心就一行：
worksheet.Cells["A1"].LoadFromCollection(users, true); // true 表示生成表头
- 表头文字默认取属性名，想改用中文就加
[Display(Name = "创建时间")]特性 - 日期列导出后常显示为数字（Excel 底层是浮点数），需手动设格式：
worksheet.Column(3).Style.Numberformat.Format = "yyyy-mm-dd"; - 导出后记得调用
package.SaveAs(new FileInfo("output.xlsx"))，别只调Save()（那是内存流）
常见坑：中文乱码、日期变数字、服务器导出失败
乱码基本只发生在用 FileStream 手动写入时没指定 Encoding.UTF8，但 EPPlus 自己处理编码，所以只要不用 File.WriteAllText 搞事就不会乱。真正高频问题是：
-
System.InvalidOperationException: The process cannot access the file because it is being used by another process.—— 没释放ExcelPackage，务必用using或显式调Dispose() - 导出的 Excel 打开提示“发现不可读取的内容”，大概率是某列写了
null但该列类型是DateTime，提前做空值判断或用可空类型DateTime? - Linux 服务器上导出失败，检查是否启用了
System.Drawing.Common（EPPlus 6+ 已移除依赖），若项目里还引用着这个包，删掉
导出逻辑越简单越好，别在 LoadFromCollection 后疯狂调 worksheet.Cells[i,j].Value = ...，那会把性能拉垮，也容易覆盖已有数据。
