如何提高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。 我的代码存在性能瓶颈，该代码用于从SharedStringTable对象中查找单元格值（这似乎是某种针对单元格值的查找表）：

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;

这样可以将执行时间减少近50％。 但是，我的指标表明，代码行从SharedStringTable对象中获取值仍需要208秒来执行123,951次。 还有其他方法可以优化此操作吗？

Answer 1

我会一次性将整个共享字符串表读入您的字典中，而不是根据需要查找每个值。 这将使您能够按顺序浏览文件，并为哈希查找准备好存储值，这将比为所需的每个值扫描SST效率更高。

在过程开始时运行以下内容将使您可以使用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);
    }
}

如果文件很大，则使用SAX方法而不是上面的DOM方法读取文件可能会带来一些好处：

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方法而不是问题中的GetValue方法，速度快了大约300倍。 LoadDictionarySax方法提供了相似的性能，但是在较大的文件（100000行，10列）上，SAX方法比LoadDictionary方法快25％。 在更大的文件（100000行，26列）上， LoadDictionary方法抛出内存LoadDictionarySax异常，但LoadDictionarySax工作。