POI解析DISPIMG公式时图片无法显示

Question

在使用Apache POI解析Excel文件时，若单元格包含DISPIMG函数（常用于WPS表格中显示图片），会出现图片无法正常读取和渲染的问题。原因是POI默认不支持WPS特有的DISPIMG公式解析，该函数并非标准Excel公式，其绑定的图片数据通常以内嵌对象或特殊记录形式存储于文件底层结构中。POI在遍历单元格内容时，会将其识别为未实现的用户定义函数，导致图片引用丢失。此外，由于缺乏对WPS扩展二进制记录的完整解析机制，即使图片数据存在于文件中，也无法通过常规POI API获取并还原图像。此问题多发于.kwps或经WPS编辑的.xls/.et文件，影响自动化报表中图片内容的提取与展示。

Answer 1

1. 问题背景与现象描述

在企业级数据处理场景中，Apache POI 是 Java 生态中最常用的 Excel 文件解析工具之一。然而，当使用 POI 解析由 WPS Office 编辑的 Excel 文件（尤其是 .xls 或 .et 格式）时，若单元格中包含 DISPIMG() 函数用于显示图片，则会出现图片无法读取的问题。

典型表现为：POI 在读取该单元格内容时返回空值或公式字符串本身（如 =DISPIMG("ID_123",1)），而无法提取其关联的图像数据。这一现象严重影响了自动化报表系统对图文混合内容的完整还原能力。

• 文件来源多为 WPS 表格导出或编辑过的文档
• DISPIMG 并非标准 Excel 公式，属于 WPS 自定义函数
• 图片实际存在于文件内部，但未通过标准 OleObject 或 Picture API 暴露

2. 技术原理剖析：为何 POI 无法识别 DISPIMG 图片？

要理解此问题的根本原因，需深入分析 Excel 文件结构及 WPS 的实现机制：

层面	标准 Excel (.xls/xlsx)	WPS 扩展行为
图片存储方式	OleObject + Picture Record (HSSF) 或 Drawing Part (XSSF)	仍使用内嵌对象，但绑定逻辑依赖 DISPIMG 函数
公式支持	仅支持 Excel 内建函数	引入用户自定义函数 DISPIMG(imageId, flag)
POI 支持情况	完整支持标准图片提取	将 DISPIMG 视为“未实现函数”，忽略图像关联

Apache POI 的 HSSF 模块基于 Microsoft OLE 2 Compound Document 规范解析 .xls 文件。它能正确读取 BIFF 记录流中的 OBJ、IMDATA 等记录，但缺乏对 WPS 特有命名引用和函数绑定关系的映射解析逻辑。

3. 深层机制：DISPIMG 如何与图片对象关联？

通过对 WPS 保存的 .xls 文件进行二进制分析，可发现以下关键结构：

1. OBJ Record：定义图形控件类型，其中包含一个 CLSID 引用指向图片对象
2. IMDATA Record：存放原始图片字节流（JPEG/PNG）
3. Name Record：WPS 创建名为 __DISPIMG__ 的内置名称，将函数调用与 OBJ ID 关联
4. Cell Formula：单元格公式写入 =DISPIMG("imgId",1)，触发渲染

这种设计绕过了 Excel 原生的“插入图片→锚定单元格”机制，转而通过公式动态控制显示，导致通用解析器难以追溯图像源。

4. 解决方案路径对比

针对该问题，业界存在多种应对策略，各具优劣：

方案	实现难度	兼容性	维护成本	适用场景
修改 POI 源码支持 DISPIMG	高	良好	高	长期定制化项目
使用 Apache Tika 提取资源	中	一般	低	内容抽取类应用
调用 WPS COM 接口转换	中	Windows 限定	中	本地自动化服务
逆向解析 BIFF 流手动重建映射	极高	优秀	高	核心系统集成

5. 实践示例：基于 HSSF 自定义解析 DISPIMG

以下代码片段展示如何扩展 POI 功能以捕获与 DISPIMG 相关的图片数据：

// 示例：从 .xls 文件中提取与 DISPIMG 关联的图片
FileInputStream fis = new FileInputStream("wps_with_image.xls");
HSSFWorkbook workbook = new HSSFWorkbook(fis);
HSSFSheet sheet = workbook.getSheetAt(0);

// 获取底层 Records
List records = ((HSSFRequest) workbook).getWorkbook().getRecords();

Map imageMap = new HashMap<>();
for (Record record : records) {
    if (record instanceof ImageDataRecord) {
        ImageDataRecord imgRec = (ImageDataRecord) record;
        // 尝试匹配前一个 OBJ 的引用 ID
        String lastObjId = getLastObjId(records, record);
        imageMap.put(lastObjId, imgRec.getData());
    }
}

// 遍历单元格查找 DISPIMG 公式
for (Row row : sheet) {
    for (Cell cell : row) {
        if (cell.getCellType() == CellType.FORMULA) {
            String formula = cell.getCellFormula();
            if (formula.startsWith("DISPIMG")) {
                Pattern p = Pattern.compile("\"([^\"]+)\"");
                Matcher m = p.matcher(formula);
                if (m.find()) {
                    String imgId = m.group(1);
                    byte[] imageData = imageMap.get(imgId);
                    if (imageData != null) {
                        Files.write(Paths.get(imgId + ".png"), imageData);
                        System.out.println("Extracted image: " + imgId);
                    }
                }
            }
        }
    }
}

6. 架构级建议与未来展望

对于大型系统集成，推荐采用分层处理架构：

graph TD A[上传Excel文件] --> B{判断来源} B -->|WPS格式| C[启用自定义解析模块] B -->|原生Excel| D[标准POI流程] C --> E[解析Name/DISPIMG映射] E --> F[提取IMDATA并关联OBJ] F --> G[输出图片+结构化文本] D --> G G --> H[生成统一中间格式]

未来可考虑推动社区增加对非标准公式的插件化支持，或将此类扩展能力封装为独立库（如 poi-extended-wps-support），提升生态兼容性。