Excel: xls与xlsx格式转换排坑指南

前言

总结一下在把Excel 5.0/95 的XLS转换为Excel 2007的XLSX新格式遇到的问题。

数据类型匹配

XLS文件里的单元格是General类型，但在XLSX里，是有针对具体的列设置数据类型的，这使得在操作database时，有可能造成数据类型不一致的错误：

string type = string.Empty;
if (!dict.TryGetValue(field, out type))
{
    return "TEXT";
}

switch (type.ToUpper())
{
    case "C":
    case "L": // Bit(Logic) treat as Text
        return "TEXT";

    case "I":
        return "INTEGER";

    case "B":
    case "F":
    case "N":
    case "Y":
        return "DOUBLE";

    case "D":
    case "T":
        return "DATETIME";

    default:
        return "TEXT";
}

再者就是对于空串和Null，似乎xls认为没有什么差异，但xlsx读取出来，倘若单元格没有内容，""和DB.Null是有差异的：

if (cellValue == DBNull.Value || cellValue == null)
{
  if ((sheetName.Equals("sheet1", StringComparison.OrdinalIgnoreCase) || sheetName.Equals("sheet2", StringComparison.OrdinalIgnoreCase)) &&
      (columnName.Equals("date_from", StringComparison.OrdinalIgnoreCase) || columnName.Equals("date_to", StringComparison.OrdinalIgnoreCase)))
  {
      values += "'" + new string(' ', 16) + "',";
  }
  else
  {
      values += "NULL,";
  }

  continue;

}

内容多行时处理不同

但单元格内容有多行时，xls认为换行是：CR+LF，xlsx则只有LF, 此时需要一个正则，来识别和修正这个换行：

case "TEXT":
    string escaped = Regex.Replace(cellValue.ToString().Replace("'", "''"), @"(?<!\r)\n", "\r\n");
    values += "'" + escaped + "',";
    break;

default值

在xls中，如果每个column都有设置过数据类型，不是default的General，此时修改该column的某一行，如果不匹配，xls将有个角标显示警告，数据类型不符合预期，xls认为这是人为的一个失误。读取时，可能会被强制成default的值。

但如果事先设置了值，再设置数据类型，虽然不匹配，xls将无视这个警告，xls会当做是有意为之。

int: 0;
doouble: 0.0;
bool: string;
DateTime: string;

最大行数

xls支持的最大行数：大约是65K，65535行。 但是，当编辑其中内容再次保存时，可能只剩18K，在某些版本（Excel 5.0）会丢失一部分数据。

xlsx支持的最大行数：大约是10,000K, 1048576行。这时候就无法另存为xls格式，数据将丢失绝大部分。