Apache POI没有返回来自Excel的大数字的正确值

Posted 2021-04-09

我有一个值为6228480018362050000的excel文件导出的csv看起来像这样......

Int,Bigint,String
1,6228480018362050000,Very big

当我尝试运行以下代码时......

InputStream inp = new FileInputStream("/.../test.xlsx");
DataFormatter df = new DataFormatter(true);
df.formatCellValue(WorkbookFactory.create(inp).getSheetAt(0).getRow(1).getCell(1));

我得到6228480018362049500，这是错误的数字，因为精确度被冲洗。有没有办法获得实际价值？

答案

如果我们将长数字放入Excel单元格，那么这些数字将被截断为15位有效数字。这是因为Excel不知道像大整数这样的东西。它只有浮点来存储数值。随着那些它跟随IEEE 754 specification。但根据IEEE 754规范，某些数字不能存储为浮点数。在您的示例中，6228480018362050000，即6.22848001836205E + 018，无法存储。根据IEEE 754规范，它将是6.2284800183620495E + 018或6228480018362049500。

Microsoft's knowledge base提到：“Excel遵循IEEE 754关于如何存储和计算浮点数的规范。因此Excel只存储一个数字中的15位有效数字，并将第15位后的数字更改为零。”

这不是全部真相。实际上，至少使用Office OpenXML（*.xlsx），它根据IEEE 754规范存储值，而不仅仅是15位有效数字。以你的例子，它存储<v>6.2284800183620495E+18</v>。但那是次要的。因为即使它会存储6.22848001836205E + 018，某处必须将其重新转换为浮点数，然后再次为6.2284800183620495E + 18。打开工作簿时Excel也会这样做。它将<v>6.2284800183620495E+18</v>转换为浮点数，然后它只显示15位有效数字。

因此，如果您确实需要将6228480018362050000存储为Excel中的数字，那么获得与Excel相同结果的唯一方法是使用与Excel相同的方法。要做到这一点，我们可以使用BigDecimal和它的round方法，它能够使用具有精确设置的MathContext。

例：

import org.apache.poi.ss.usermodel.*;

import java.io.*;

import java.math.BigDecimal;
import java.math.MathContext;

class ReadExcelBigNumbers {

 public static void main(String[] args) throws Exception{

  for (int i = 0; i < 10; i++) {
   String v = "6.2284800183620" + i + "E+018";
   double d = Double.parseDouble(v);
   System.out.print(v + "	");
   System.out.print(d + "	");
   BigDecimal bd = new BigDecimal(d);
   v = bd.round(new MathContext(15)).toPlainString();
   System.out.println(v);
  }

  InputStream inp = new FileInputStream("test.xlsx");
  Workbook wb = WorkbookFactory.create(inp);
  for (int i = 1; i < 9; i++) {
   double d = wb.getSheetAt(0).getRow(i).getCell(1).getNumericCellValue();
   BigDecimal bd = new BigDecimal(d);
   String v = bd.round(new MathContext(15)).toPlainString();
   System.out.println(v);
  }
 }
}

第一部分打印：

6.22848001836200E+018   6.2284800183620004E18   6228480018362000000
6.22848001836201E+018   6.2284800183620096E18   6228480018362010000
6.22848001836202E+018   6.2284800183620198E18   6228480018362020000
6.22848001836203E+018   6.2284800183620301E18   6228480018362030000
6.22848001836204E+018   6.2284800183620403E18   6228480018362040000
6.22848001836205E+018   6.2284800183620495E18   6228480018362050000
6.22848001836206E+018   6.2284800183620598E18   6228480018362060000
6.22848001836207E+018   6.22848001836207E18     6228480018362070000
6.22848001836208E+018   6.2284800183620803E18   6228480018362080000
6.22848001836209E+018   6.2284800183620905E18   6228480018362090000

在那里你可以看到有用的浮点值，符合IEEE 754规范的实际浮点值和重新格式化的BigDecimal之间的区别。如您所见，只能直接根据IEEE 754规范存储6.22848001836207E + 018。

第二部分使用以下Excel工作表执行相同操作：

知识库文章中提到了另一种可能的解决方法：“要解决此问题，请将单元格格式化为文本，然后键入数字。单元格最多可显示1,024个字符。”如果数字不是真正的数字，而是标识符，或者其他字符串，其中数字仅表示字符，这是很好的。如果没有将它们重新转换为浮动点，那么使用这种“文本号”的计算当然是不可能的，这将再次带来问题。

另一答案

6228480018362050000和6228480018362049500之间没有精度的变化（损失或增益）。它们只是相同内部二进制值的两个不同的十进制表示，顺便说一下，十进制正好是6228480018362049536。

无论单元格格式如何，Excel仅显示（不是“商店”）前15位有效数字，向右舍入任何数字[1]。

但是，其他应用程序和文件格式显示前17位有效数字（或更多），这正是IEEE 754标准为了表示每个二进制值所需要的[2]。显然，Apache POI和OpenXML也是如此。

您可以通过执行以下操作来证明这一点。

1. 在Excel中，输入6228480018362050000.另存为XML。
2. 在记事本中打开XML文件。请注意，单元格/数据元素显示为6.2284800183620495E + 18，即6228480018362049500。
3. 在Excel中打开XML文件。请注意，Excel仍会在公式栏和格式为Number的单元格中显示6228480018362050000。

确实，Excel将手动输入的数字（包括从CSV和TXT文件中读取的数字）截断为前15位有效数字，用零替换右边的任何数字。但Excel VBA没有。

因此，对于另一个演示，请在VBA中输入以下内容，然后执行该过程。

Sub doit()
Range("a1:a2").NumberFormat = "0"
Range("a1") = CDbl("6228480018362050000")
Range("a2") = CDbl("6228480018362049536")
Columns("a").AutoFit
Range("b2") = "=match(a1,a2,0)"
End Sub

请注意，A1和A2显示6228480018362050000.B2显示1，表示内部二进制值完全匹配，VBA在前15位有效数字后不截断。

---

说明....

Excel和大多数应用程序使用IEEE 754双精度来表示数值。二进制表示是53个连续2次幂（“位”）乘以指数因子的总和。

因此，只能精确表示高达9007199254740992（2 ^ 53）的整数。 （但请注意，Excel显示9007199254740990 = 2 ^ 53，因为其15位有效数字格式限制。）

大多数较大的整数只能近似。

无论有效位数是多少，大多数小数也是如此。这是为什么= 10.1-10在公式栏和格式化为16位小数（15位有效数字）的单元格中显示0.0999999999999996的部分原因。

---

但请注意：显示为6228480018362050000的计算值可能与实际内部二进制值不同。

例如，如果在A1中输入6228480018362050000并且在A2中输入公式= 6228480018362050000 + 1600，则A1和A2都显示6228480018362050000。

但是= MATCH（A1，A2,0）返回#N / A，表示内部二进制值不是完全匹配。

并且XML文件将在与A2的Cell元素对应的Data元素中显示6.2284800183620516E + 18，即6228480018362051600。实际的内部二进制值（十进制）正好是6228480018362051584。

（仅供参考，Excel等于运算符（“=”）不比较内部二进制值。而是将舍入的值与15位有效数字进行比较。所以=（A1 = A2）误导性地返回TRUE。它旨在成为一个特征;但实施不一致。）

如果将A2和粘贴值复制到A3中，= MATCH（A1，A3,0）将继续返回#N / A.但如果您随后“编辑”A3（例如按f2，然后按Enter），则= MATCH（A1，A3,0）返回1. A3的内部值已更改为6228480018362050000的二进制表示形式。

我想知道这是否真的是你遇到的神秘问题，你无意中用你的例子过度简化了它。

这有帮助吗？

---

[1]单元格格式不会影响内部二进制值，但有两个例外：（1）设置精确显示时，几乎从不推荐; （2）计算单元格值，并将工作表保存为CSV或TXT文件，然后在Excel中重新打开或导入。

[2]尽管IEEE 754规定17个有效十进制数字是表示所有二进制值所需的最小值，但这并不意味着只存储了17个有效十进制数字。如上所述，6228480018362049500实际上存储为6228480018362049536。