Apache POI 6.0 发布:最低要求 JDK 17,不再支持 Java 8

Apache POI 6.0.0 最近静悄悄的正式发布。作为 Java 生态里处理 Office 文档的骨灰级基础库,无论你的项目是搞旧版二进制格式,还是天天处理 DOCX、XLSX、PPTX 这些基于 OOXML 的文件,大概率都绕不开它。

很多团队平时只要 Excel 导入导出不出 bug,恨不得几年都不去碰 POI 的版本。但做过 Java 开发的都知道,POI 及其全家桶的 Jar 包冲突向来是排查依赖时最让人头疼的重灾区;而且因为涉及格式解析、依赖链条深,每次安全扫描报出来的 CVE 漏洞也是出现频率最高的。哪怕你平时不想动它,未来被安全合规部门催着升级、重构排包也是早晚在所难免的事。

偏偏这次 6.0.0 并不是常规的小修小补。除了常规的 API 扩充,底层的运行基线和关键的默认行为全动了。

Apache POI 官方标识

最低要求 Java 17

先泼一盆冷水:POI 6.0.0 把最低 Java 版本直接从 8 拔到了 17。

除了运行时版本,新版还顺手清理了一批早已标记为弃用的老方法,并升级了底层的 XMLBeans 和 Commons IO。不管你的业务代码是直接调用 POI,还是通过 EasyExcel 等其他开源组件间接依赖,动手前最好先用 mvn dependency:tree 翻翻依赖树,免得编译报错和 Jar 包冲突撞在一起。

POI 6.0.0 官方变更摘要:Java 17、公式缓存默认行为与弃用方法移除

Word:新增 API 与版本界限

这次负责处理 DOCX 的 XWPF 接口补了不少属性访问方法,但如果你读了核心贡献者的博客,需要先把版本划分清楚:表格缩进和嵌入图表访问其实在 5.5.0 就已经发布。

表格缩进底层用 twips(1/20 磅)计算,只有表格在左对齐或起始侧对齐时才会生效,其它对齐方式下设置会被直接忽略;想要读段落里的嵌入图表,依然是调用 getEmbeddedCharts()。6.0 比较明确的新增是 isRtl(),用来读取文本运行里是否带有从右向左的排版标记。不过这只是个属性读取开关,底层并没有凭空给你塞进去一套完整的阿拉伯语或希伯来语排版引擎,业务上如果要做复杂渲染,依然要自己处理。

贡献者 Jacobo Aragunde Pérez 对 DOCX 与 PPTX 相关工作的回顾

PPT:渲染与样式修复

在 PPTX(XSLF)的处理上,改动主要集中在渲染呈现的准确度上。

以前带半透明通道的位图在导出或转换时经常失真或者变成纯色,这次终于补齐了透明位图支持。文字高亮也接入了主题色系统,如果文档里的高亮不是写死 RGB 而是跟着主题走,新版能正确读取这套配色关系。再加上表格样式应用逻辑的修补,用它来生成幻灯片预览或者转图片时,视觉还原度会好一些。

Excel:公式默认读取缓存

比起 Word 和 PPT,Excel 这边的改动可能会悄无声息地影响线上逻辑。

最关键的是 DataFormatter:当你在格式化单元格时没有显式传入公式计算器(FormulaEvaluator),新版会默认去读 Excel 文件里已有的公式缓存值;而在 5.x 时代,这个方法默认返回的是公式本身的文本字符串(比如 =SUM(A1:B1))。

这个变化带来的问题是:缓存值虽然省去了计算开销,但它只代表上次保存文件时的计算结果,一旦原始数据是通过程序动态追加的,这个缓存很可能已经过时了。如果项目原本依赖旧版的公式字符串行为,升级后一定要显式调用 setUseCachedValuesForFormulaCells(false) 把行为扳回来;如果业务确实需要最新的准确数值,还是得踏踏实实走一遍公式求值流程。

另外,新版加入了一个 XSSFOptimiser 工具类,用来合并复用重复的单元格样式和字体。很多同学看到这个类名可能会以为这是官方的“瘦身压缩神器”,但看源码就会发现,它只是复用引用,并不会主动清理 XML 内部已有的孤立条目,千万别指望它能把膨胀几百兆的文件直接压下来。