如何使用 Java Excel 解析库与 GroupDocs.Parser

在现代数据驱动的应用程序中，如何解析 Excel 文件的效率可能决定工作流的成败。无论是迁移旧数据、生成自动化报告，还是将原始文本输入分析管道，从每个工作表提取未格式化的文本都是常见需求。本教程展示如何使用 Java Excel 解析库——GroupDocs.Parser for Java，打开 Excel 工作簿、遍历其工作表，并仅用几行代码获取原始内容。

快速答案

• 哪个库在 Java 中处理 Excel 解析？ GroupDocs.Parser for Java。
• 我可以从每个工作表提取原始文本吗？ 是的，使用启用原始模式的 TextReader。
• 我需要许可证吗？ 可提供临时免费许可证用于评估。
• 需要哪个 Java 版本？ JDK 8 或更高。
• 支持 Maven 吗？ 当然——将仓库和依赖添加到 pom.xml。

什么是 Java Excel 解析库？

GroupDocs.Parser for Java 是一个 java excel parsing library，可以编程方式打开 .xlsx、.xls 或 CSV 工作簿，并在不将完整电子表格加载到内存中的情况下读取纯文本。这种方式比传统的电子表格 API 更快，并让您直接访问底层字符。

为什么使用 GroupDocs.Parser for Java？

GroupDocs.Parser 每次处理一个工作表，即使是 500 页的工作簿，内存使用也保持在 10 MB 以下。它支持超过 10 种输入和输出格式——包括 XLSX、XLS、CSV、ODS——因此单一 API 可处理多种电子表格类型。简洁流畅的方法让您在几分钟内开始提取文本，且许可模型可从试用平滑过渡到生产，无需更改代码。

前置条件

• Java 开发工具包 (JDK)： 8 或更高。
• IDE： IntelliJ IDEA、Eclipse 或任何兼容 Java 的编辑器。
• Maven（可选）： 用于简化依赖管理。

设置 GroupDocs.Parser for Java

Maven 设置

如果您使用 Maven 管理依赖，请将仓库和依赖添加到 pom.xml：

<repositories>
   <repository>
      <id>repository.groupdocs.com</id>
      <name>GroupDocs Repository</name>
      <url>https://releases.groupdocs.com/parser/java/</url>
   </repository>
</repositories>

<dependencies>
   <dependency>
      <groupId>com.groupdocs</groupId>
      <artifactId>groupdocs-parser</artifactId>
      <version>25.5</version>
   </dependency>
</dependencies>

直接下载

或者，直接从 GroupDocs 发布 下载最新版本的 GroupDocs.Parser for Java。

获取许可证

要开始免费试用，请访问 GroupDocs 网站 获取临时许可证。这使您能够在购买正式许可证前评估库的全部功能。

基本初始化和设置

GroupDocs.Parser 是表示文档解析器的核心类。将库添加到类路径后，您可以创建指向 Excel 工作簿的 Parser 实例：

import com.groupdocs.parser.Parser;
import com.groupdocs.parser.data.TextReader;
import com.groupdocs.parser.options.IDocumentInfo;
import com.groupdocs.parser.options.TextOptions;

String excelFilePath = "YOUR_DOCUMENT_DIRECTORY/sample.xlsx";

try (Parser parser = new Parser(excelFilePath)) {
    // Your code to work with the document
} catch (Exception e) {
    e.printStackTrace();
}

环境准备就绪后，让我们深入实际的提取逻辑。

如何解析 Excel：从工作表提取原始文本

加载工作簿并在两个简单步骤中检索原始文本。首先获取基本文档信息，如工作表名称和尺寸。然后，使用配置了 TextOptions(true) 的 TextReader 迭代每个工作表，以启用原始模式，返回不含任何格式标签的纯字符。

TextReader 从文档读取文本，可选择原始模式。

IDocumentInfo spreadsheetInfo = parser.getDocumentInfo();

接下来，遍历每个工作表并提取未格式化的文本。TextOptions(true) 标志启用原始模式，返回不含样式标签的纯字符。

TextOptions 配置文本提取行为，布尔标志用于启用原始模式。

for (int p = 0; p < spreadsheetInfo.getRawPageCount(); p++) {
    try (TextReader reader = parser.getText(p, new TextOptions(true))) {
        String sheetContent = reader.readToEnd();
        
        // Process or use extracted text data here
    }
}

处理提取的数据

此时 sheetContent 保存了当前工作表的纯文本。您可以：

• 将其写入 .txt 文件以作归档。
• 将其输入自然语言处理管道。
• 将其存储在数据库中以供后续查询。

常见问题及解决方案

实际应用（读取 Excel 工作表文本）

1. 数据迁移： 将旧版电子表格数据迁移到现代数据库，无需手动复制粘贴。
2. 自动化报告： 从多个工作簿提取原始值，生成合并的 PDF 或 HTML 报告。
3. 搜索索引： 将提取的文本索引到 Elasticsearch，以实现快速内容检索。

大型 Excel 文件的性能技巧

• 按工作表流式处理： 循环已一次处理一个工作表，保持低内存使用。
• 重用 TextReader 对象： 避免在紧密循环中创建不必要的对象。
• 并行处理： 对于极大的工作簿，考虑在独立线程中处理工作表，但需注意 Parser 实例的线程安全。

常见问答

Q: GroupDocs.Parser 支持哪些其他电子表格格式？
A: 它支持 XLSX、XLS、CSV、ODS 以及其他 Office Open XML 格式——共计超过 10 种格式。

Q: 我还能提取单元格的格式信息吗？
A: 可以，通过在不使用 raw 标志的情况下使用 TextOptions，可以获取保留基本样式的格式化文本。

Q: 如何处理受密码保护的 Excel 文件？
A: 将密码传递给 Parser 构造函数：new Parser(filePath, "password")。

Q: 是否有办法仅提取特定列？
A: 可以对 sheetContent 进行后处理以过滤行，或使用 SpreadsheetOptions API 实现更细粒度的控制。

Q: 在哪里可以找到更多代码示例？
A: 查看 GroupDocs 文档 和 GitHub 仓库获取更多示例。

资源

• 文档概览： GroupDocs 文档
• 文档： GroupDocs Parser Java 文档
• API 参考： API 参考
• 下载： 最新发布
• GitHub 仓库： GroupDocs.Parser on GitHub
• 免费支持论坛： GroupDocs Parser 论坛
• 临时许可证： 获取临时许可证

最后更新： 2026-09-27
已测试版本： GroupDocs.Parser 25.5 for Java
作者： GroupDocs

相关教程

• 提取文本 HTML Excel Groupdocs Parser Java
• 提取元数据 Office 文档 Groupdocs Parser Java
• 如何使用 GroupDocs.Parser 在 Java 中提取 PDF 文本：完整指南