推荐一款导出神器EasyExcel(导出excel怎么操作)
ztj100 2024-11-05 13:27 18 浏览 0 评论
前言
数据导出excel,一般有jxl,poi,在这两者中,poi性能更优。
今天推荐一款性能更优,更强大的工具EasyExcel,提供了各种便捷的API,以及定制化功能。
EasyExcel是一个基于Java的简单、省内存的读写Excel的开源项目。在尽可能节约内存的情况下支持读写百M的Excel。(官方说明)
实例
分别定义两个接口,一个使用Apache POI的方式进行导出,另一个使用EasyExcel组件导出;数据样本分别是百量级别、千量级别、万量级别,从而观察两者组装数据的时间,导出excel的时间。(PS:JVM内存方面,感兴趣的可以自己尝试查看)
一、Apache POI
1、maven依赖
<!-- POI start -->
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi</artifactId>
<version>4.1.0</version>
</dependency>
<dependency>
<groupId>org.apache.poi</groupId>
<artifactId>poi-ooxml</artifactId>
<version>4.1.0</version>
</dependency>
<!-- POI end -->
2、导出工具类
package com.xiu.core.common.util;
import com.alibaba.fastjson.JSONObject;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.util.List;
import java.util.stream.IntStream;
import javax.servlet.http.HttpServletResponse;
import org.apache.poi.hssf.usermodel.HSSFFont;
import org.apache.poi.ss.usermodel.Cell;
import org.apache.poi.ss.usermodel.CellStyle;
import org.apache.poi.ss.usermodel.CellType;
import org.apache.poi.ss.usermodel.Font;
import org.apache.poi.ss.usermodel.HorizontalAlignment;
import org.apache.poi.ss.usermodel.Row;
import org.apache.poi.ss.usermodel.Sheet;
import org.apache.poi.ss.usermodel.Workbook;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
/**
* @Author: 顶楼大叔
* @Description: POI,Excel导出工具类
* @Date: 2020/3/25
*/
public interface ExportExcelUtil<T> {
/**
* 将字节数组写出到servlet输出流
*
* @param response http回应对象,为excel回应的目的地
* @param list 要导出到 excel的数据集合
* @param titles excel的标题 通常取第一行作为excel的标题
* @param fileName excel的文件名称
*/
default void exportExcel(HttpServletResponse response, List<T> list, String[] titles, String fileName)
throws IOException {
byte[] bytes = selectExcel(list, titles);
fileName = java.net.URLEncoder.encode(fileName, "UTF-8");
response.setContentType("application/x-msdownload");
response.setHeader("Content-Disposition", "attachment;filename=" + fileName + ".xlsx");
response.setContentLength(bytes.length);
response.getOutputStream().write(bytes);
response.getOutputStream().flush();
response.getOutputStream().close();
}
/**
* 选择要导出的文件 导出的excel 属于office 2007格式的文件
*/
default byte[] selectExcel(List<T> list, String[] titles) throws IOException {
Workbook workbook = new XSSFWorkbook();
Sheet sheet = workbook.createSheet();
CellStyle headerStyle = workbook.createCellStyle();
Font font = workbook.createFont();
font.setFontHeightInPoints((short) 15);
font.setColor(HSSFFont.COLOR_NORMAL);
font.setFontName("黑体");
font.setBold(true);
headerStyle.setFont(font);
headerStyle.setAlignment(HorizontalAlignment.CENTER);
headerStyle.setWrapText(true);
generateExcelTitle(headerStyle, titles, sheet);
eachListAndCreateRow(list, sheet);
ByteArrayOutputStream out = new ByteArrayOutputStream();
workbook.write(out);
return out.toByteArray();
}
/**
* 遍历集合,并创建单元格行
*
* @param list 数据集合
* @param sheet 工作簿
*/
default void eachListAndCreateRow(List<T> list, Sheet sheet) {
IntStream.range(0, list.size()).forEach(i -> generateExcelForAs(list.get(i), sheet.createRow((i + 1))));
for (int k = 0; k < list.size(); k++) {
sheet.autoSizeColumn(k);
}
setSizeColumn(sheet, list.size());
}
/**
* 表格自适应
*/
default void setSizeColumn(Sheet sheet, int size) {
for (int columnNum = 0; columnNum < size; columnNum++) {
int columnWidth = sheet.getColumnWidth(columnNum) / 256;
for (int rowNum = 0; rowNum < sheet.getLastRowNum(); rowNum++) {
Row currentRow;
//当前行未被使用过
if (sheet.getRow(rowNum) == null) {
currentRow = sheet.createRow(rowNum);
} else {
currentRow = sheet.getRow(rowNum);
}
if (currentRow.getCell(columnNum) != null) {
Cell currentCell = currentRow.getCell(columnNum);
if (currentCell.getCellType() == CellType.STRING) {
int length = currentCell.getStringCellValue().getBytes().length;
if (columnWidth < length) {
columnWidth = length;
}
}
}
}
sheet.setColumnWidth(columnNum, columnWidth * 256);
}
}
/**
* 生成excel文件的标题
*/
default void generateExcelTitle(CellStyle cellStyle, String[] titles, Sheet sheet) {
Row row = sheet.createRow(0);
for (int i = 0; i < titles.length; i++) {
Cell cell = row.createCell(i);
cell.setCellValue(titles[i]);
cell.setCellStyle(cellStyle);
}
}
/**
* 创建excel内容文件
*
* @param t 组装excel 文件的内容
* @param row 当前excel 工作行
*/
void generateExcelForAs(T t, Row row);
/**
* 当发生错误时如此回应信息
*/
default void errorResponse(HttpServletResponse response, String msg) {
byte[] message = JSONObject.toJSONString(msg).getBytes();
response.setContentType("text/json;charset=UTF-8");
response.setContentLength(message.length);
try {
response.getOutputStream().write(message);
} catch (IOException e) {
e.printStackTrace();
}
}
}
3、实验接口
@GetMapping("/export")
public void export(HttpServletResponse response) {
log.info("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<测试导出耗时apache poi 开始>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>");
long beginTime = System.currentTimeMillis();
try {
List<BizRulePo> dataList = bizRuleMapper.findAll(null);
log.info("数据库数据量[{}],查询耗时[{}]ms",dataList.size(), (System.currentTimeMillis() - beginTime));
if (CollectionUtils.isNotEmpty(dataList)) {
String[] excelTitle = new String[]{"主键", "名称", "权重", "组合规则", "创建时间"};
String fileName = "审核规则汇总".concat(DateUtils.formatDate(new Date(),"yyyyMMdd"));
((ExportExcelUtil<BizRulePo>) (obj, row) -> {
row.createCell(0, CellType.STRING).setCellValue(obj.getId());
row.createCell(1, CellType.STRING).setCellValue(obj.getName());
row.createCell(2, CellType.STRING).setCellValue(obj.getPriority());
row.createCell(3, CellType.STRING).setCellValue(obj.getCompositeType());
row.createCell(4, CellType.STRING).setCellValue(DateUtils.formatDate(obj.getCreateTime()));
}).exportExcel(response, dataList, excelTitle, fileName);
log.info("组装耗时[{}]ms", (System.currentTimeMillis() - beginTime));
}
} catch (Exception e) {
//默认返回
((ExportExcelUtil<BizRulePo>) (obj, row) -> {
}).errorResponse(response, e.getMessage());
log.error("/bizRule export fail,", e);
}
log.info("导出耗时[{}]ms", (System.currentTimeMillis() - beginTime));
log.info("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<测试导出耗时apache poi 结束>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>");
}
二、EasyExcel API
1、maven依赖
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>easyexcel</artifactId>
<version>2.0.0</version>
</dependency>
2、输出响应
/**
* 导出文件时为Writer生成OutputStream
* @param fileName 文件名
* @param response 响应
* @return 结果
*/
private static OutputStream getOutputStream(String fileName, HttpServletResponse response) throws Exception {
fileName = URLEncoder.encode(fileName, "UTF-8");
response.setContentType("application/vnd.ms-excel");
response.setCharacterEncoding("utf8");
response.setHeader("Content-Disposition", "attachment; filename=" + fileName + ".xlsx");
response.setHeader("Pragma", "public");
response.setHeader("Cache-Control", "no-store");
response.addHeader("Cache-Control", "max-age=0");
return response.getOutputStream();
}
3、实验接口
@GetMapping("/export/easy")
public void easyExport(HttpServletResponse response) {
log.info("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<测试导出耗时easy-excel API 开始>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>");
long beginTime = System.currentTimeMillis();
try {
List<BizRulePo> dataList = bizRuleMapper.findAll(null);
log.info("数据库数据量[{}],查询耗时[{}]ms",dataList.size(), (System.currentTimeMillis() - beginTime));
String fileName = "审核规则汇总".concat(DateUtils.formatDate(new Date(),"yyyyMMdd"));
EasyExcel.write(getOutputStream(fileName,response), BizRuleDto.class)
.sheet("审核规则汇总")
.doWrite(dataList);
} catch (Exception e) {
log.error("/matchExport fail,", e);
}
log.info("导出耗时[{}]ms", (System.currentTimeMillis() - beginTime));
log.info("<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<测试导出耗时easy-excel API 结束>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>");
}
三、实验结果对比
1、百量级数据
可以看出,其实百量级别时候,两者数据导出耗时相差无几。
2、千量级数据
可以看出千量级别的时候POI耗时已经达到了秒级别,甚至分级别。而,EasyExcel导出的耗时仍然处于毫秒级别。自此,两者性能差距开始十分显著。
3.万量级别
由于是通过接口API调用方式实现,所以注定POI的形式导出,必定会http client超时,而EasyExcel还是导出十分的快速。
推荐
至于EasyExcel其他高级功能API,以及前因后果,有兴趣的童鞋,可以去官网研究查阅。
Alibaba Easy Excel - 简单、省内存的Java解析Excel工具 | 首页
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)