xlsx与exceljs库在JavaScript中读取Excel的区别

在JavaScript技术栈中，xlsx（即社区广泛使用的SheetJS）与exceljs是处理Excel文件的两个标杆级开源库。两者在读取Excel文件时，虽然都能完成“将工作簿转化为程序可用数据”的目标，但在底层的抽象模型、内存占用模式、API设计哲学、流式读取支持以及对样式与元数据的保留能力上，存在着本质的设计分歧。理解这些区别，是构建高性能、低资源消耗且稳定可靠的表格解析链路的关键前提。

一、核心判断：轻量数据转换器 vs 完整文档对象模型

对这两个库的选型与使用，首先需要建立一个清晰的技术定位判断：xlsx的定位是“轻量级的高性能数据抽取与格式转换器”，而exceljs的定位是“对Excel对象模型（OOXML）的完整面向对象映射与流式文档引擎”。

这一设计出发点的差异直接决定了它们的数据组织形式。当读取一个 .xlsx 文件时：

• xlsx库倾向于将整张表格解构为一个扁平的坐标字典。它将单元格按 A1、B2 这样的直接地址映射在内存中，工作簿对象仅仅是工作表字典与引用范围的集合。读取完成后，开发者通常调用其内置的工具函数（如 sheet_to_json）迅速将其转换为一维对象数组。
• exceljs库则完整还原了Excel的标准层级结构：Workbook -> Worksheet -> Row -> Cell。每一个对象都拥有独立的属性与方法体系，单元格不仅包含显式值，还内嵌了类型、样式定义、公式原文、计算缓存值、数据有效性及富文本切片。

二、API调用与读取操作流程的差异

由于抽象层级不同，两者的常规读取代码展现出完全不同的风格。我们通过标准的“读取本地文件并打印首张工作表数据”场景来观察操作流程的区别。

1. xlsx的标准读取方式

xlsx 的调用以同步静态函数为主（支持传入文件路径或 Buffer），代码极其紧凑，通常 4 至 5 行即可完成从文件到结构化 JSON 对象的提取：

// 运行环境: Node.js (需要通过 npm install xlsx 安装)
const XLSX = require('xlsx');

// 1. 同步读取文件整本加载至内存
const workbook = XLSX.readFile('user_data.xlsx');

// 2. 获取第一张工作表名称及其工作表对象
const firstSheetName = workbook.SheetNames[0];
const worksheet = workbook.Sheets[firstSheetName];

// 3. 将工作表直接转换为以首行为键的 JavaScript 对象数组
const records = XLSX.utils.sheet_to_json(worksheet);

console.log('读取记录总数:', records.length);
console.log('首条记录内容:', records[0]);

2. exceljs的标准读取方式

exceljs 严格遵循现代 JavaScript 的异步 Promise/async-await 规范，需要先初始化工作簿实例，然后通过文件读取器加载，再通过面向对象的迭代器逐层访问：

// 运行环境: Node.js (需要通过 npm install exceljs 安装)
const ExcelJS = require('exceljs');

async function readExcelFile() {
  // 1. 实例化工作簿
  const workbook = new ExcelJS.Workbook();

  // 2. 异步加载并解析文件
  await workbook.xlsx.readFile('user_data.xlsx');

  // 3. 按名称或索引（从1开始）获取指定工作表
  const worksheet = workbook.getWorksheet(1);

  const records = [];

  // 4. 遍历所有非空行进行数据提取
  worksheet.eachRow({ includeEmpty: false }, (row, rowNumber) => {
    // 忽略表头首行
    if (rowNumber === 1) return;

    // row.values 返回该行单元格的值数组（索引 1 对应 A 列）
    records.push({
      id: row.getCell(1).value,
      name: row.getCell(2).value,
      score: row.getCell(3).value
    });
  });

  console.log('读取记录总数:', records.length);
}

readExcelFile();

三、大文件读取与内存机制深度对比

当处理 50MB 以上或数十万行的庞大 Excel 文件时，两个库的表现会出现根本性的分水岭。这源于两者底层针对 XML 解压与数据解析的机制差异。

1. xlsx的内存限制与行为特征

社区开源版本的 xlsx 主要依赖一次性全量加载解析：

• 整个 .xlsx 文件（本质是打包的 XML 集合）在解压后，所有工作表内容、共享字符串表（sharedStrings）都会被一次性解析并全部常驻在 V8 引擎堆内存中。
• 即使只需要读取前10行，库也必须将整个文件解压并构建完成。
• 在处理几十万行的数据时，内存峰值常会迅速攀升至数吉字节，极易触发 Node.js 的 FATAL ERROR: Ineffective mark-compacts near heap limit Allocation failed - JavaScript heap out of memory 崩溃。

2. exceljs的流式读取器（WorkbookReader）

与全量载入不同，exceljs 专门提供了原生流式解析模块 ExcelJS.stream.xlsx.WorkbookReader。它基于 SAX 事件驱动模型，边从磁盘读取字节流，边逐步发射行事件，处理完后立即允许垃圾回收机制回收上一行对象，从而将内存占用稳定在极低水平：

const ExcelJS = require('exceljs');

async function streamLargeExcel(filePath) {
  // 配置流式解析选项，可主动关闭样式与超链接以进一步榨干性能
  const options = {
    sharedStrings: 'cache', // 缓存共享字符串
    hyperlinks: 'ignore',    // 忽略超链接
    styles: 'ignore'         // 忽略样式，大幅降低内存与 CPU 开销
  };

  const workbookReader = new ExcelJS.stream.xlsx.WorkbookReader(filePath, options);

  let totalRowCount = 0;

  // 使用异步迭代器逐个读取工作表与行
  for await (const worksheetReader of workbookReader) {
    for await (const row of worksheetReader) {
      totalRowCount++;
      // row.values 仅代表当前行数据，处理完毕后即可被 GC 回收
      const rowData = row.values;
      if (totalRowCount % 50000 === 0) {
        console.log(`已流式处理 ${totalRowCount} 行数据...`);
      }
    }
  }

  console.log(`流式读取完毕，共解析 ${totalRowCount} 行`);
}

四、元数据、样式与复杂格式的读取能力

如果业务不仅要求读取单元格的“字符串字面量”，还依赖于富文本、公式、单元格样式、颜色填充或超链接，两个库的差距会进一步拉大。

1. xlsx（社区版）的局限

• 样式丢失：在 npm 上公开安装的 xlsx 社区开源版本移除了对单元格样式的解析支持。读取带背景色、粗体字、边框的文件时，样式元数据会被丢弃。若需要完整样式支持，官方要求升级为商业化的 Pro 版本。
• 富文本简化：当单个单元格内存在混合字体（例如前半段是黑色普通文本，后半段是红色下划线加粗文本）时，xlsx 通常只提取纯文本拼接结果，富文本的颜色和片段属性均丢失。
• 公式与缓存值：xlsx 可以在单元格对象中同时保留 f（公式字符串）和 v（公式上次计算结果），但不会在读取时自动重算公式。

2. exceljs的完整元数据呈现

exceljs 在开源协议下完整支持对 OOXML 所有属性的透明解析：

• 样式与填充：读取后通过 cell.fill 可获取前景底色、图案填充；通过 cell.font 可获知字体名称、大小、粗体、斜体及 RGBA/ARGB 颜色值。
• 原生富文本对象：当单元格包含富文本时，cell.value 会返回一个结构化的富文本对象（包含 richText 数组），数组中每一项均独立包含其切片文本与专门对应的 font 样式。
• 公式与结果分离：对于公式单元格，cell.value 会返回类似于 { formula: 'SUM(A1:A10)', result: 150 } 的清晰结构，方便业务按需取用原始公式或已存结果。
• 数据验证与有效性：支持读取单元格配置的下拉列表、整数范围等数据有效性规则。

五、前端浏览器与Node.js服务端适用性区别

在实际工程架构中，选择哪个库还需要结合执行环境（浏览器宿主 vs Node.js 容器）来综合权衡打包体积与构建成本：

六、实践建议与总结

在实际开发过程中，不需要在两个库之间做二元对立的选择，而是应该结合系统的架构分层精准投放：

• 前端场景：如果是让用户在网页端上传一个几十或几百行的 Excel 模板，用于快速解析后在页面表格中预览并提交后端 API，xlsx 是压倒性的首选。它的打包体积轻量，API 几行搞定，不会给首屏加载带来沉重负担。
• 后端大数据导入：如果是 Node.js 后端定时拉取数十万行财务对账单、库存底表等大文件，必须直接选用 exceljs 的流式读取器（WorkbookReader）。使用流式管道处理不仅能杜绝服务器内存爆仓（OOM），还能让系统在处理超大任务时依然保持稳定的 CPU 与内存吞吐。
• 精细化文档处理：如果业务不仅要读数据，还要校验“单元格是否标红”、“公式是否被篡改”或读取带样式的富文本说明，exceljs 的完整对象模型是唯一能够低成本满足需求的开源选择。