如何提高在 OpenXml Excel 电子表格工具中从 SharedStringTable 检索值的性能？

Question

我正在使用 DocumentFormat.OpenXml 读取 Excel 电子表格。用于从 SharedStringTable 对象中查找单元格值的代码存在性能瓶颈（它似乎是某种单元格值的查找表）：

var returnValue = sharedStringTablePart.SharedStringTable.ChildElements.GetItem(parsedValue).InnerText;

我创建了一个字典以确保我只检索一次值：

if (dictionary.ContainsKey(parsedValue))
{
    return dictionary[parsedValue];
}

var fetchedValue = sharedStringTablePart.SharedStringTable.ChildElements.GetItem(parsedValue).InnerText;
dictionary.Add(parsedValue, fetchedValue);
return fetchedValue;

这已将执行时间缩短了近 50%。然而，我的指标表明，从SharedStringTable 对象获取值的代码行执行 123,951 次仍需要 208 秒。有没有其他方法可以优化这个操作？

Answer 1

我会一次性将整个共享字符串表读入您的字典，而不是根据需要查找每个值。这将允许您按顺序浏览文件并存储准备好进行散列查找的值，这将比扫描 SST 以获取所需的每个值更有效。

在您的流程开始时运行类似以下内容将允许您使用 dictionary[parsedValue] 访问每个值。

private static void LoadDictionary()
{
    int i = 0;

    foreach (var ss in sharedStringTablePart.SharedStringTable.ChildElements)
    {
        dictionary.Add(i++, ss.InnerText);
    }
}

如果您的文件非常大，您可能会看到使用 SAX 方法读取文件而不是上面的 DOM 方法会有所收获：

private static void LoadDictionarySax()
{
    using (OpenXmlReader reader = OpenXmlReader.Create(sharedStringTablePart))
    {
        int i = 0;
        while (reader.Read())
        {
            if (reader.ElementType == typeof(SharedStringItem))
            {
                SharedStringItem ssi = (SharedStringItem)reader.LoadCurrentElement();
                dictionary.Add(i++, ssi.Text != null ? ssi.Text.Text : string.Empty);
            }
        }
    }
}

在我的机器上，使用具有 60000 行和 2 列的文件，使用上面的 LoadDictionary 方法而不是您问题中的 GetValue 方法，速度快了大约 300 倍。 LoadDictionarySax 方法提供了类似的性能，但在更大的文件（100000 行，10 列）上，SAX 方法比LoadDictionary 方法快约 25%。在更大的文件（100000 行，26 列）上，LoadDictionary 方法引发内存不足异常，但LoadDictionarySax 正常工作。