结论：XSSFReader+自定义DefaultHandler是Java处理GB级.xlsx的唯一稳定低内存方案；.xls须用HSSFEventFactory，但不支持公式重算和样式还原。因Workbook加载会全量解压XML致OOM，而SAX仅维持当前上下文，峰值内存约50MB。
直接说结论：用 XSSFReader + 自定义 DefaultHandler 是目前 Java 中唯一能稳定处理 GB 级 .xlsx 文件且内存压到 MB 级别的方案；.xls 文件则必须用 HSSFEventFactory，但要注意它不支持公式重计算和样式还原。
为什么不能用 Workbook 加载大 Excel
调用 new XSSFWorkbook(inputStream) 或 WorkbookFactory.create() 会把整个 .xlsx 解压后所有 XML（sharedStrings.xml、styles.xml、每个 sheet*.xml）全读进内存，GB 文件轻松吃掉 5–10 GB 堆空间，OutOfMemoryError: Java heap space 是必然结果。这不是配置调优能绕过的限制，是模型本身决定的。
-
.xlsx本质是 ZIP 包，里面每个 sheet 是一个扁平化 XML 流，没有行列索引结构 -
Workbook模式需构建完整对象图（Sheet → Row → Cell → Style/Formula/Value），内存占用与总单元格数正相关 - SAX 模式只在解析时维持当前 XML 元素上下文，峰值内存通常
XSSFReader 解析 .xlsx 的最小可行链路
核心是跳过 DOM 构建，直接绑定 ZIP 内部流 + SAX Handler。关键步骤缺一不可：
- 用
OPCPackage.open(inputStream)打开 ZIP，避免提前解压全部内容 - 用
XSSFReader获取SharedStringsTable和StylesTable—— 它们必须在解析 sheet 前加载，否则无法还原字符串或格式化数字 - 调用
XSSFReader.getSheetsData()得到每个 sheet 的InputStream，逐个喂给XMLReader - 自定义
DefaultHandler中，靠startElement()识别row、c（cell）、v（value）等标签，靠characters()拿原始文本值
示例关键片段：
XSSFReader reader = new XSSFReader(pkg); SharedStringsTable sst = new SharedStringsTable(); StylesTable styles = new StylesTable(); // 注意：必须先读取 sst 和 styles，否则 cell 值可能为空或格式错乱 XMLReader parser = XMLReaderFactory.createXMLReader(); parser.setContentHandler(new SheetHandler(sst, styles)); parser.parse(new InputSource(reader.getSheetsData().next()));
容易踩的坑：空单元格、类型丢失、数字变科学计数法
SAX 模式下，Excel 的“空单元格”不会出现在 XML 中（只有有值的 c 标签），row 标签里的 r 属性（如 r="A3"）也不一定连续，直接按顺序取值会错位。
- 必须解析
c标签的r属性（如A3），用CellReference转成列索引，再填充到行数组对应位置，空位补null -
v标签内容是原始值：字符串存的是索引（需查sst），数字是 double 字面量（如123456789012345），日期是序列号（需用DateUtil转） - 如果没传
StylesTable，isNumeric或getCellType()逻辑就失效，所有数字都当字符串返回，1.23E8这种会原样透出 -
characters()可能被多次调用（XML 解析器分片推送文本），必须用StringBuilder缓存，endElement()时才提取
为什么 .xls（2003）不能套用同一套逻辑
.xls 是二进制 BIFF 格式，没有 XML 层，POI 提供的是 HSSFEventFactory + HSSFListener，原理类似 SAX 但事件粒度更粗（Record 级别而非元素级）。
- 必须监听
BOFRecord（开始表）、RowRecord、NumberRecord/LabelSSTRecord等，自己拼装行列结构 -
MissingCellDummyRecord和LastCellOfRowDummyRecord必须显式处理，否则空列直接跳过 - 不支持公式求值（
FormulaRecord只给 RPN 字节码，没内置计算器），outputFormulaValues = false时返回 #VALUE! - 依赖
POIFSFileSystem，对超大.xls（> 50MB）仍有 IO 压力，不如.xlsx的 ZIP 流式访问高效
真正的大报表场景，优先要求上游导出为 .xlsx；若只能收 .xls，建议加一层转换服务（用 LibreOffice headless 转成 .xlsx 再走 SAX 流程）。
