百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Spring Boot整合EasyExcel实现对于Excel文件导出?

ztj100 2024-11-05 13:27 21 浏览 0 评论

EasyExcel是阿里巴巴旗下开源的一个基于Java语言开发的快速、高效、简洁、易用的Excel处理框架。它在处理Excel文件尤其是在大文件的场景下表现非常出色,能够有效避免传统POI操作Excel时的内存溢出问题。同时EasyExcel提供了丰富的API,并且支持简单易用的Excel读写操作。下面我们就来详细的介绍一下,如何在SpringBoot整合EasyExcel实现Excel表格数据文件读取。

引入依赖

首先,在pom.xml文件中引入EasyExcel的依赖。

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>easyexcel</artifactId>
    <version>3.1.0</version> <!-- 版本号根据实际情况选择 -->
</dependency>

创建实体类

创建一个用于进行数据操作的数据实体类对象,用来进行数据的导出操作,如下所示。

public class UserData {
    @ExcelProperty("用户ID")
    private Long id;

    @ExcelProperty("用户名")
    private String name;

    @ExcelProperty("邮箱")
    private String email;

    // Getters and Setters
}

通过@ExcelProperty注解,指定了Excel文件表头。

创建导出服务

创建一个Service类,用于生成Excel文件,代码如下所示。

import com.alibaba.excel.EasyExcel;
import org.springframework.stereotype.Service;

import javax.servlet.http.HttpServletResponse;
import java.io.IOException;
import java.net.URLEncoder;
import java.util.List;

@Service
public class ExcelExportService {

    public void exportUserData(HttpServletResponse response, List<UserData> data) throws IOException {
        // 设置响应头
        response.setContentType("application/vnd.ms-excel");
        response.setCharacterEncoding("utf-8");
        String fileName = URLEncoder.encode("用户数据", "UTF-8").replaceAll("\\+", "%20");
        response.setHeader("Content-disposition", "attachment;filename*=utf-8''" + fileName + ".xlsx");

        // 写入数据
        EasyExcel.write(response.getOutputStream(), UserData.class)
                .sheet("用户信息")
                .doWrite(data);
    }
}

在上面代码中,EasyExcel.write()方法用于创建Excel文件,sheet()方法用于指定工作表名称,doWrite()方法用于将数据写入工作表。

创建控制器

在Spring Boot的控制器中,调用Service类的导出方法,对Excel文件进行导出操作,如下所示。

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import javax.servlet.http.HttpServletResponse;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@RestController
public class ExcelExportController {

    @Autowired
    private ExcelExportService excelExportService;

    @GetMapping("/export")
    public void export(HttpServletResponse response) throws IOException {
        // 模拟数据
        List<UserData> userDataList = new ArrayList<>();
        userDataList.add(new UserData(1L, "John Doe", "john@example.com"));
        userDataList.add(new UserData(2L, "Jane Doe", "jane@example.com"));

        // 导出Excel
        excelExportService.exportUserData(response, userDataList);
    }
}

总结

这个控制器定义了一个/export接口,当用户访问该接口时,服务器会生成Excel文件并通过响应返回给客户端。在项目启动之后,可以通过调用http://localhost:8080/export接口,就可以在浏览器的下载文件中找到对应的Excel文件了

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: