[MyExcel] 和阿里Easyexcel的异同
ztj100 2024-11-05 13:27 16 浏览 0 评论
其实很不情愿写这篇文章。
一方面是因为文章发出去后肯定会被不少人喷,大概率会说,开源就把代码写好,别一天天想碰瓷蹭流量,毕竟Easyexcel是阿里的,已经快30kstar了,众所周知,你是什么档次?。
另外一方面是因为MyExcel开源已经四年,说长不长说短不短,现在也已经快有1.6k的star,虽然和Easyexcel 差距很大,但本人也已经很满足,早已过了博眼球的阶段,所以对这种大概率会招骂的行为实在不感冒。
之所以写,主要还是因为偶尔还是会有人问我两者之间的区别,另外我也希望能够通过这篇文章让大家对是否要使用MyExcel有比较清晰的认知,避免误用耽误事。
废话不多说,以下是我总结的核心的四点差异:
MyExcel是完全声明式工具包,而Easyexcel是半声明式的工具包
什么是声明式?用过Java8的stream都应该知道,相比于以前的for循环,新的stream不用关心元素是如何迭代的,只需要关注怎么处理就行,类似,你只需要告诉MyExcel你想要什么样的效果就可以,比如单元格背景是绿色的,而不用关心怎么用POI来实现,这样基本屏蔽了对POI的感知,开发起来会觉得非常简单。
而Easyexcel其实有部分功能也是声明式的,但也有很多需要大家主动去操作POI,比如合并单元格等,所以说Easyexcel 是半声明式工具包。
这两种其实各有好处,完全声明式可以让开发变得简单,但是灵活性就会相对低一些,毕竟越底层越灵活,但MyExcel的声明式基本历经四年的开发以及较大范围的使用,已经能够满足日常大部分场景需要,而且作者也在不断新增功能,用爱发电,所以只要不是太个性化使用MyExcel都没什么太大问题。
MyExcel 更适合高度复杂的Excel导出
这句话其实有点心虚,有段时间没有去关注过Easyexcel 了,不知道是不是已经实现了,最近还是据说Easyexcel 的作者从阿里离职了才关注了下。
MyExcel 最开始叫Html2Excel,看名字就明白,它最初的核心能力就是利用各类模板引擎生成HTML来实现高复杂度的Excel导出。
这样说可能不直观,大家可以想一种场景,导出的数据标题是不固定的,除了常规的行标题,还有最左侧的列标题,而且还需要合并单元格,根据不同数据类别设置背景颜色,还需要有汇总等等,阁下该如何应对?
使用最原始的Excel 模板已经难以实现,这时,我们就可以利用模板引擎,如freemarker ,来动态渲染HTML Table,然后工具包根据Table的单元格迭代成需要导出的Excel,这是MyExcel的核心能力,所以说它更适合高度复杂Excel的导出。
Easyexcel 功能更广
毫无疑问,Easyexcel 是一个非常优秀的工具包,导入低内存,估计它应该至少是国内第一个实现的。
比较重要的一点,是它支持Excel模板导出,这点作者非常汗颜,很早之前就想做了,但限于个人精力一直没有实现。
而且前面也提到它是半声明式的,用户可以主动操作单元格,这就可以实现很多POI直接支持的功能。
封装程度不同
Easyexcel 改造过POI底层,比如解压等等,所以内存控制方面应该也会更优秀些。
MyExcel 是完全在POI上层进行抽象封装,不做POI的任何改动,这样一旦POI升级,就可以快速升级,不用顾虑改造带来的影响。
各有利弊吧。
最后
以上,就是个人总结的核心差异,当然,因认知有限可能还有其他差异未列出,并非有意为之,尽请谅解。
相关推荐
- 再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)
-
在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...
- python创建分类器小结(pytorch分类数据集创建)
-
简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...
- matplotlib——绘制散点图(matplotlib散点图颜色和图例)
-
绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...
- python实现实时绘制数据(python如何绘制)
-
方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...
- 简单学Python——matplotlib库3——绘制散点图
-
前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...
- 数据分析-相关性分析可视化(相关性分析数据处理)
-
前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...
- 免费Python机器学习课程一:线性回归算法
-
学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...
- 用Python进行机器学习(2)之逻辑回归
-
前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...
- 【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂
-
一、拟合和回归的区别拟合...
- 推荐2个十分好用的pandas数据探索分析神器
-
作者:俊欣来源:关于数据分析与可视化...
- 向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- 用Python进行机器学习(11)-主成分分析PCA
-
我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...
- 神经网络基础深度解析:从感知机到反向传播
-
本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...
- Python实现基于机器学习的RFM模型
-
CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)