fix(解析器): 表头行整行格式污染时列范围按「非空表头」收缩

用户 Excel 表头行被整行格式化(整行实例化成 16384 个空单元格)时,货源/外观专利/集采
三处解析器按最大单元格列号展开列范围,每行数据被填充 1.6 万个占位空值,142KB 的 xlsx
生成 2.3GB 载荷,建任务 500(2026-09-26 生产事故:货源没跑出来.xlsx)。

- SimilarAsinExcelParser / AppearancePatentExcelParser / CollectDataService:列范围改为
  只统计非空表头的最大列号,尾部空列不再生成占位列(中间空列占位行为保持不变)
- 新增三处回归测试 + 事故样本(原样 + 集采关键词变体)
This commit is contained in:
2026-09-26 20:43:52 +08:00
parent 17ee7d293d
commit b9ed336510
8 changed files with 132 additions and 5 deletions
@@ -190,13 +190,22 @@ public class AppearancePatentExcelParser {
values));
}
/**
* 有效表头列数:只统计「非空表头」的最大列索引 + 1。表头行被整行格式污染时(整行被实例化成
* 上万空单元格),若按最大单元格列号展开,每行 values 都会被填充上万条占位空值,解析结果与
* 载荷膨胀上千倍(同源事故见 SimilarAsinExcelParser,2026-09-26)。
*/
private int lastColumnCount(Map<Integer, String> rowMap) {
if (rowMap == null || rowMap.isEmpty()) {
return 0;
}
int lastColumnCount = 0;
for (Integer columnIndex : rowMap.keySet()) {
if (columnIndex != null && columnIndex >= lastColumnCount) {
for (Map.Entry<Integer, String> entry : rowMap.entrySet()) {
Integer columnIndex = entry.getKey();
if (columnIndex == null || columnIndex < 0 || normalize(entry.getValue()).isBlank()) {
continue;
}
if (columnIndex >= lastColumnCount) {
lastColumnCount = columnIndex + 1;
}
}