（一） 问题
一个使用C#编写的小工具，对指定文件夹下的所有Excel文件进行筛选，如果一个文件中含有某个指定的字符串，记录该文件，并且定位这个字符串出现的位置。
网上使用C#对Excel文件进行读写的方法主要有四种：
（1）使用OleDb的方法读取Excel文件；
（2）将xls文件转化为csv文件再进行读取；
（3）使用NPOI进行Excel文件读取；
（4）使用COM组件进行读取。
（二）尝试
这几种读取Excel文件的方法我都了解了一下，每种方法各有利弊。下面进行简单的描述：
（1）使用OleDb的方法读取Excel文件
这种方法相关内容在网上可以找到很多，很多人把这种方法当作读取Excel文件的主流。简单来说就是将Excel文件当作数据库进行操作，对表中内容使用sql语句进行提取，其间需要使用到DataSet类。
顺便说一句，对于不同的.net数据提供者，ADO.NET采用不同的Connection对象连接数据库。这些Connection对我们屏蔽了实现的具体细节，并提供了一种统一的实现方式。Connection类有四种：SqlConnection、OleDbConnection、OdbcConnection和OracleConnection。分别用来连接SQL Server数据库、OLE DB数据库（如Access）、ODBC数据库、Oracle数据库。与数据库的所有通讯都是通过Connection对象完成的。本文简单谈一谈OleDb。
建立OleDb连接的核心是建立连接字符串ConnectionString，主要注意的是，对xls文件（Excel2003）和xlsx文件（Excel2007）进行连接的连接字符串不同。假设excelPath为目的excel文件的路径，则建立OleDb连接的语句分别为：
OleDbConnection connection = new OleDbConnection("Provider=Microsoft.Jet.OLEDB.4.0;Data Source=" + excelPath + ";" + "Extended Properties=\"Excel 8.0;HDR=yes;IMEX=1;\"");
OleDbConnection connection = new OleDbConnection("Provider=Microsoft.Jet.OLEDB.12.0;Data Source=" + excelPath + ";" + "Extended Properties=\"Excel 12.0;HDR=yes;IMEX=1;\"");
其中"HDR=yes"是说Excel文件的第一列是列明而不是数。如果列中数据类型不一致，使用"IMEX=1"可以避免类型冲突。下面是一段网上的示例代码：
public DataSet ExcelToDS(string Path)
{
string strConn = "Provider=Microsoft.Jet.OLEDB.4.0;" +"Data Source="+ Path +";"+"Extended Properties=Excel 8.0;";
OleDbConnection conn = new OleDbConnection(strConn);
conn.Open();
string strExcel = "";
OleDbDataAdapter myCommand = null;
DataSet ds = null;
strExcel="select * from [sheet1$]";
myCommand = new OleDbDataAdapter(strExcel, strConn);
ds = new DataSet();
myCommand.Fill(ds,"table1");
return ds;
}
但是在尝试这种方法解决问题的时候遇到了一些麻烦，比如说满足问题需要的Sql并不是很好写（数据库基本功稍差，惭愧）。另外在网上没有找到在使用OleDb读取文件的时候获取excel所有sheet表的方法（后来在另外一片博客中找到了，代码没有经过尝试：https://www.cnblogs.com/xifengyeluo/p/8617865.html）。再者DataSet数据类型也不是很熟悉，因此本方法没有继续下去。
（2）将xls文件转化为csv文件再进行读取
之前使用过Java读取xls文件，当时直接将xls文件当作csv文件（Comma-Separated Values File逗号分隔值文件）进行读取解析。C#也可以使用类似的方法读取xls文件，等价于使用文件流读取一个txt文本文件。
同样附上一段示例代码：
FileStream fs = new FileStream(excelPath, FileMode.Open, FileAccess.Read, FileShare.None);
StreamReader sr = new StreamReader(fs, System.Text.Encoding.GetEncoding(936));
string str = sr.ReadLine(); //读取表头
string target = Console.ReadLine(); //输入想要查询的字符串
while (str != null)
{
int count = 0;
str = sr.ReadLine();
string[] strs = str.Split(',');
foreach(string s in strs)
{
if(s == target)
Console.WriteLine(++count);
}
}
sr.Close();
将xls文件转化为csv文件最大的问题在于分隔符的问题。一般来说，使用这种方法读取的时候，我们每读取一行字符串相当于读取了xls文件中的一行，之后会使用Split（‘,’）方法进行字符串分割从而获得表中的每一单元格的数据。但是如果原本xls正文中有逗号的话，分割会出现错误。另外还有很多问题需要考虑，比如说：一个文件多个sheet的获取方法、定位当前的单元格的方法、这种方法的实现有很多字符串操作。所以这种使用数据流来读取xls的方法并不“优美”。
（3）使用NPOI进行Excel文件读取
这种方法能够查阅到的资料过少，因此没有进行尝试。有时间的话，了解一下再来补充。
（4）使用COM组件进行读取
这种方法需要先引用Microsoft.Office.interop.Excel。可以很灵活的读取Excel中的数据，而且使用方式很丰富，基本上凡是打开OfficeExcel软件能够用鼠标点击完成的事，调用COM组件都能完成，而且可以调用Excel自身带的宏方法。
添加COM组件引用的过程如下图所示，使用的编译器为VS2017：
一个最直接的想法就是使用COM组件按照行列依次读取Excel文件中每个sheet的单元格，具体代码如下：
static void ReadExcel(string path, string target)
{
Console.WriteLine(path);
try
{
//如果要读取多个Excel文件建议将下面两个变量的声明和初始化放在全局变量的位置
//每新建一次Excel.Application都相当于打开了一次Excel.exe，将其声明为全局变量可以提高性能
Microsoft.Office.Interop.Excel._Application xlsApp = new Microsoft.Office.Interop.Excel.Application();
Microsoft.Office.Interop.Excel.Workbooks books = xlsApp.Workbooks;
books.Open(path);
Microsoft.Office.Interop.Excel.Sheets sheets = xlsApp.Worksheets;
//注意：sheet和row，column的起始索引都是1
for (int s = 1; s <= sheets.Count; s++)
{
Console.WriteLine(path + "\t" + s); //打印搜索进度
int rows = sheets[s].Rows.Count;
int columns = sheets[s].Columns.Count;
for(int i=1;i<=rows;i++)
{
for(int j=1;j<=columns;j++)
{
//下面这一行获取了一个单元格
Microsoft.Office.Interop.Excel.Range cell = sheets[s].Range[xlsApp.Cells[i, j], xlsApp.Cells[i, j]];
if(cell.Text == target)
{
//将满足条件的单元格路径、sheet序列、位置、内容记录进入一个txt文件，这个函数需要自己实现
RecordIntoTXT(path, s, cell.Address, target);
}
}
}
}
}
catch (Exception e)
{
//sw1为一个log文件的文件流，将出现异常的文件路径记录到文件中
//这个位置也可以使用throw抛出异常
sw1.WriteLine(path);
}
}
这种方法网上也能找到很多类似的代码，比如：
https://blog.csdn.net/qq_33459369/article/details/79314465中的代码。这个博客中的代码使用单线程读取Excel文件的时候使用了range.Select方法，这个方法相当于是在Excel表格中选中了一个范围内的格子（在这个代码语境下是选中了一个（i，j）位置的格子），然后再使用ActiveCell字段获取被选中的格子，再进行后续操作，比较麻烦，也没有必要。
到现在为止，已经完成了这个问题的核心，也就是读取Excel文件。但是这种方法有很大的不足。首先是效率问题，这种使用代码遍历单元格的执行效率极低，甚至到了一个不能接受的程度。另外，上面的示例代码只是判断了一下字符串相同，如果要进行字符串匹配的话（即判断target字符串是否被包含在表格的字符串中，最经典的字符串匹配算法是KMP算法，有兴趣的可以了解一下。当然，使用string内置的方法也可以）就又会多一些工作量。所以还有很大的提升空间，在一番尝试下，终于有了一个比较优美的解答。
（三）最终解
之前在描述COM组件的时候提了一句，使用COM组件可以调用Excel自身的宏方法。在Excel中寻找指定的内容最直接的办法当然是调用Excel本身的Find方法（相当于在Excel中使用Ctrl+F快捷键）。这样一来，可以避免之前代码中对行列进行的二重循环，也解决了字符串匹配的问题。唯一需要注意的地方在于使用Find+FindNext方法联合进行查找的时候需要定位初始位置，否则会进行无限循环，这也算是FindNext方法的特性吧。示例代码如下：
static void ReadExcel(string path, string target)
{
Console.WriteLine(path);
try
{
Microsoft.Office.Interop.Excel._Application xlsApp = new Microsoft.Office.Interop.Excel.Application();
Microsoft.Office.Interop.Excel.Workbooks books = xlsApp.Workbooks;
books.Open(path);
Microsoft.Office.Interop.Excel.Sheets sheets = xlsApp.Worksheets;
for (int s = 1; s <= sheets.Count; s++)
{
Console.WriteLine(path + "\t" + s);
Microsoft.Office.Interop.Excel.Range range = sheets[s].Cells;
Microsoft.Office.Interop.Excel.Range ans = range.Find(target);
if (ans == null) continue;
string firstAddress = ans.Address; //定位初始位置
do
{
string text = ans.Text;
RecordIntoTXT(path, s, ans.Address, text);
ans = range.FindNext(ans.Cells[1, 1]); //意思是从当前查找位置开始寻找下一个
} while (ans != null && ans.Address != firstAddress); //如果到达初始位置表示当前sheet查找结束
}
}
catch (Exception e)
{
sw1.WriteLine(path);
}
}
在使用COM组件进行读取Excel文件的时候，一定要注意最终程序的出口。如果在执行完上面的函数没有进行任何结束处理就退出程序的话，Excel程序其实还是在后台运行的，双击之前的Excel文件会提示正在被修改只能以只读模式打开。因此需要增加一个退出程序的函数。网上的资料中这个函数的实现方法都大致相同，如下给出示例：
static void QuitExcel()
{
if (xlsApp != null) //xlsApp为上面那个示例函数中的变量，当作全局变量声明了
xlsApp.Quit();
System.Diagnostics.Process[] pros = System.Diagnostics.Process.GetProcessesByName("excel");
foreach (System.Diagnostics.Process pro in pros)
{
pro.Kill(); //杀死了所有excel进程
}
GC.Collect(); //进行垃圾回收，其实我并不知道为什么在这里要强制调用垃圾回收，只是网上这样写了，我就照做了
}
（四）除了读取Excel文件之外的其他功能实现
到现在位置，整个代码的核心部分就已经完成了。我们还需要完成一些核心的支持工作。
（1）文件夹下所有文件的遍历
这一部分纯属文件目录相关的操作，需要引入System.IO命名空间。基本思想是获取一个给定的根目录，将所有excel文件加入一个list中，再获取这个根目录下的所有子文件夹，使用相同的方法遍历所有的子文件夹，将里面的所有excel文件同样加载到同一个list中，示例代码如下：
static void GetFiles(string path)
{
DirectoryInfo root = new DirectoryInfo(path);
FileInfo[] files = root.GetFiles(); //获取根目录的excel文件
string fileName;
foreach (FileInfo f in files)
{
fileName = f.Name.ToLower();
if (fileName.EndsWith(".xls") || fileName.EndsWith(".xlsx"))
{
allFiles.Add(f); //allFiles是一个全局的List<FileInfo>
}
}
//下面这几行遍历子节点
DirectoryInfo[] directories = root.GetDirectories();
foreach (DirectoryInfo d in directories)
GetFiles(d.FullName);
}
（2）查找结果的记录
查找结果记录的方法可以自选，这里使用了存储在桌面下的txt文件中，开启结束文件流的示例代码如下:
//fs,sw,fs1,sw1为四个全局变量
static void StartFileStream()
{
string desktopPath = Environment.GetFolderPath(Environment.SpecialFolder.DesktopDirectory); //这一行获取桌面路径
fs = new FileStream(desktopPath + "\\record.txt", FileMode.Create, FileAccess.Write);
sw = new StreamWriter(fs);
fs1 = new FileStream(desktopPath + "\\log.txt", FileMode.Create, FileAccess.Write);
sw1 = new StreamWriter(fs1);
}
static void EndFileStream()
{
sw.Flush(); //清空缓存
sw.Close(); //关闭writer
fs.Close(); //关闭文件流
sw1.Flush();
sw1.Close();
fs1.Close();
}
到此位置，整个问题的功能基本实现。整体代码有机会的话，会上传到GitHub，到那时候再来这里附上链接。
注意：使用COM组件打开Excel文件的时候会出现一些问题。当你文件本身存在问题，即直接双击打开一个Excel文件在表头出现如下提示的时候，使用COM组件打开会失败，这时候当时的try-catch语句的功能就体现出来了，会将这个文件的路径记录到log中，便于后续人工操作。另外，有的Excel文件在打开的时候会弹出一个Warining对话框，让用户选择一些操作，这个时候使用COM组件进行读取的时候也弹出对话框让用户进行选择。还有一点需要注意，使用这种方法读取Excel文件之后，所有被读取过的xlsx没有问题，而被读取过的xls文件会在SVN中提示文件有修改，猜测可能是新版的Excel读取xls文件会就修改原有文件中的游标位置之类的辅助信息，文档本体内容并没有变化。
（←示例图片如左）