首页
/ 如何突破Excel文件处理瓶颈？解密ExcelDataReader的三大核心能力

如何突破Excel文件处理瓶颈？解密ExcelDataReader的三大核心能力

2026-05-02 10:08:02作者：舒璇辛Bertina
ExcelDataReader
Lightweight and fast library written in C# for reading Microsoft Excel files
项目地址：https://gitcode.com/gh_mirrors/ex/ExcelDataReader

为什么选择ExcelDataReader处理办公文档？

你是否曾遇到过这样的困境：尝试读取加密的Excel文件时系统提示"无法打开受保护文档"，解析大型CSV时内存占用飙升至GB级别，或者处理不同Office版本文件时出现格式兼容性问题？作为C#开发者，处理Excel和CSV文件几乎是日常工作的一部分，但选择合适的工具往往决定了项目的效率上限。

ExcelDataReader作为一款轻量级、高性能的C#库，专为解决这些实际问题而生。它支持从Excel 2.0到2021的所有主流格式，提供加密文件解密能力，并且在处理大数据量时表现出色。本文将通过"问题-解决方案-实战案例"的三段式结构，带你深入探索这款工具的核心能力，让你在面对各类Excel处理挑战时游刃有余。

如何处理不同Office版本的加密文件？

你是否曾遇到过这样的情况：同样是加密Excel文件，Office 2007创建的文档能正常打开，而Office 2016的文件却始终提示密码错误？这背后其实是不同Office版本采用了完全不同的加密算法体系。

问题解析：Office加密技术的演变

想象一下，Excel加密就像给文件加了一把锁，而不同Office版本使用的是完全不同的锁芯设计。Office 2007采用"标准加密"体系，就像传统的机械锁；而2010及以上版本则升级为"敏捷加密"，相当于现代智能锁。如果用机械钥匙去开智能锁，自然会失败。

ExcelDataReader的OfficeCrypto模块（位于src/ExcelDataReader/Core/OfficeCrypto/目录）正是为破解这些不同类型的"锁"而设计的。它支持三大类加密算法：

  • 标准加密：Office 2007使用，基于RC4或AES-128算法
  • 敏捷加密：Office 2010+使用，支持AES-128/192/256多种强度
  • XOR加密：早期Excel版本使用的简单加密方式

解决方案：版本自适应的解密策略

处理加密文件的关键在于根据文件版本自动选择正确的解密算法。以下是一个智能解密的实现方案：

public IExcelDataReader CreateEncryptedReader(string filePath, string password)
{
    // 创建文件流
    var stream = File.Open(filePath, FileMode.Open, FileAccess.Read);
    
    try
    {
        // 尝试使用默认配置读取
        return ExcelReaderFactory.CreateReader(stream);
    }
    catch (ExcelReaderException ex) when (ex.Message.Contains("encrypted"))
    {
        // 检测到加密文件，重置流位置
        stream.Position = 0;
        
        // 创建包含密码的配置
        var config = new ExcelReaderConfiguration
        {
            Password = password,
            // 启用加密算法自动检测
            DetectEncryptionAlgorithm = true
        };
        
        try
        {
            return ExcelReaderFactory.CreateReader(stream, config);
        }
        catch (InvalidPasswordException)
        {
            // 密码错误处理
            throw new ApplicationException("提供的密码不正确，请重试");
        }
        catch (NotSupportedException)
        {
            // 不支持的加密算法处理
            throw new ApplicationException("不支持的加密类型，可能是过于古老或新型的加密方式");
        }
    }
}

[!TIP] 密码输入建议：对于经常处理加密文件的场景，可以实现密码缓存机制，但务必注意在内存中安全存储密码，避免明文记录。

实战案例：企业级加密文件处理系统

某财务系统需要批量处理来自不同部门的加密Excel报表，这些报表可能由Office 2007到2021的各种版本生成。解决方案架构如下：

  1. 文件版本检测：通过读取文件头信息判断Excel版本
  2. 加密类型识别：根据文件结构确定加密算法类型
  3. 密码管理：与企业密钥管理系统集成，自动获取对应文件的解密密码
  4. 异常处理：建立加密文件处理日志，记录解密成功率和失败原因

以下是关键实现代码：

public class EncryptedFileProcessor
{
    private readonly IKeyManagementService _keyService;
    
    public EncryptedFileProcessor(IKeyManagementService keyService)
    {
        _keyService = keyService;
    }
    
    public async Task<DataTable> ProcessEncryptedFileAsync(string filePath)
    {
        // 1. 检测文件版本和加密类型
        var fileInfo = await AnalyzeFileAsync(filePath);
        
        // 2. 获取对应密码
        var password = await _keyService.GetPasswordForFileAsync(
            filePath, fileInfo.Version, fileInfo.EncryptionType);
        
        // 3. 解密并读取数据
        using var stream = File.OpenRead(filePath);
        using var reader = CreateEncryptedReader(stream, password, fileInfo);
        
        // 4. 转换为DataTable
        var result = reader.AsDataSet(new ExcelDataSetConfiguration
        {
            ConfigureDataTable = _ => new ExcelDataTableConfiguration
            {
                UseHeaderRow = true
            }
        });
        
        return result.Tables[0];
    }
    
    // 其他辅助方法...
}

不同加密方式对比表

加密类型 适用Office版本 安全性 性能开销 ExcelDataReader支持度
标准加密 2007 中 低 ★★★★☆
敏捷加密 2010-2021 高 中 ★★★★★
XOR加密 97-2003 低 低 ★★★☆☆
RC4加密 2003及更早 低 中 ★★★☆☆

如何高效解析CSV文件并进行数据清洗？

你是否曾遇到过这样的CSV解析难题：从不同系统导出的CSV文件，有的用逗号分隔，有的用分号，还有的使用制表符？更麻烦的是，数值数据中可能包含千位分隔符，日期格式更是五花八门。这些问题常常让数据导入变成一场数据清洗的噩梦。

问题解析：CSV文件的"无政府状态"

CSV（逗号分隔值）文件就像一个没有统一标准的社区，每个系统都按照自己的规则来创建。这导致了解析时的三大挑战：分隔符不统一、编码差异大、数据格式混乱。ExcelDataReader的CsvFormat模块（位于src/ExcelDataReader/Core/CsvFormat/）通过智能分析和灵活配置来应对这些挑战。

解决方案：智能解析与数据清洗一体化

ExcelDataReader提供了强大的CSV解析配置选项，结合数据清洗技巧，可以有效解决这些问题：

public DataTable ReadAndCleanCsv(string filePath)
{
    // 定义可能的分隔符，按优先级排序
    var possibleSeparators = new[] { ',', ';', '\t', '|' };
    
    // 创建CSV解析配置
    var config = new ExcelReaderConfiguration
    {
        // 自动检测分隔符
        AutodetectSeparators = possibleSeparators,
        // 设置回退编码
        FallbackEncoding = Encoding.UTF8,
        // 分析前100行来确定格式
        AnalyzeInitialCsvRows = 100,
        // 启用数据清洗委托
        CsvDataCleaning = row => CleanCsvRow(row)
    };
    
    using var stream = File.OpenRead(filePath);
    using var reader = ExcelReaderFactory.CreateCsvReader(stream, config);
    
    return reader.AsDataSet(new ExcelDataSetConfiguration
    {
        ConfigureDataTable = _ => new ExcelDataTableConfiguration
        {
            UseHeaderRow = true,
            // 配置列类型自动检测
            ConfigureColumn = column =>
            {
                column.Type = GetColumnType(column.Name);
                return true;
            }
        }
    }).Tables[0];
}

// 数据清洗方法
private object[] CleanCsvRow(object[] row)
{
    var cleanedRow = new object[row.Length];
    
    for (int i = 0; i < row.Length; i++)
    {
        var value = row[i]?.ToString()?.Trim();
        
        // 处理空值
        if (string.IsNullOrWhiteSpace(value))
        {
            cleanedRow[i] = DBNull.Value;
            continue;
        }
        
        // 尝试解析日期
        if (DateTime.TryParse(value, out var date))
        {
            cleanedRow[i] = date;
            continue;
        }
        
        // 尝试解析数值（处理千位分隔符）
        if (decimal.TryParse(value, NumberStyles.Any, 
            CultureInfo.InvariantCulture, out var number))
        {
            cleanedRow[i] = number;
            continue;
        }
        
        // 保留原始字符串
        cleanedRow[i] = value;
    }
    
    return cleanedRow;
}

[!WARNING] 编码陷阱：CSV文件常常包含非标准编码，特别是来自Windows系统的文件。始终指定FallbackEncoding，并考虑在读取前检测文件BOM（字节顺序标记）。

实战案例：电商订单数据清洗系统

某电商平台需要每日导入来自不同供应商的CSV订单数据，这些数据格式各异，质量参差不齐。解决方案包括：

  1. 动态分隔符检测：通过分析前100行数据自动确定分隔符
  2. 多阶段数据清洗：
    • 初级清洗：处理空值、修剪空格、移除特殊字符
    • 中级清洗：标准化日期格式、统一数值表示
    • 高级清洗：数据验证和异常值处理
  3. 数据质量报告：生成导入报告，显示清洗前后的数据变化统计

关键实现代码：

public class OrderDataImporter
{
    public async Task<ImportResult> ImportOrdersAsync(string filePath)
    {
        var stopwatch = Stopwatch.StartNew();
        
        // 读取并清洗CSV数据
        var dataTable = ReadAndCleanCsv(filePath);
        
        // 数据验证
        var validationResult = ValidateData(dataTable);
        
        if (!validationResult.IsValid)
        {
            return new ImportResult
            {
                Success = false,
                Errors = validationResult.Errors,
                ProcessingTime = stopwatch.Elapsed
            };
        }
        
        // 保存到数据库
        var recordsSaved = await SaveToDatabase(dataTable);
        
        return new ImportResult
        {
            Success = true,
            RecordsProcessed = dataTable.Rows.Count,
            RecordsSaved = recordsSaved,
            ProcessingTime = stopwatch.Elapsed
        };
    }
    
    // 其他辅助方法...
}

数据清洗前后效果对比表

数据问题 清洗前 清洗后 处理方式
日期格式混乱 "2023/12/01", "01-12-2023", "12-01-2023" 统一为DateTime类型 标准化解析
数值格式不一致 "1,000.50", "1000,50", "1000.5" 统一为decimal类型 文化无关解析
空值表示多样 "", "N/A", "NULL", " " DBNull.Value 统一空值处理
字符串前后空格 " 产品A ", "产品B " "产品A", "产品B" 自动修剪
特殊字符 "Product#1", "Product@2" "Product1", "Product2" 特殊字符过滤

如何从内存、CPU和IO三个维度优化Excel处理性能？

你是否曾遇到过这样的性能问题：处理一个50MB的Excel文件，程序占用了2GB内存；或者解析包含10万行数据的工作表时，CPU占用率长期维持在100%？ExcelDataReader虽然本身性能优异，但如果使用不当，仍然可能陷入性能瓶颈。

问题解析：Excel处理的性能三角

Excel文件处理就像一场需要平衡三个方面的游戏：内存使用、CPU占用和IO操作。这三个因素相互影响，任何一个方面处理不好都会导致整体性能下降：

  • 内存问题：一次性加载整个文件到内存，导致大文件处理时内存溢出
  • CPU问题：复杂的格式解析和数据转换占用过多CPU资源
  • IO问题：频繁的磁盘读写和网络传输拖慢整体速度

解决方案：三维性能优化策略

1. 内存优化：流式处理与按需加载

想象一下，处理大型Excel文件就像喝一杯水，你不需要把整杯水都倒进嘴里再咽下去，而是可以小口小口地喝。流式处理正是采用了这个原理：

public void ProcessLargeExcelStream(string filePath)
{
    // 使用FileOptions.Asynchronous和SequentialScan优化IO性能
    using var stream = new FileStream(filePath, FileMode.Open, FileAccess.Read, 
        FileShare.Read, 4096, FileOptions.Asynchronous | FileOptions.SequentialScan);
    
    using var reader = ExcelReaderFactory.CreateReader(stream);
    
    // 逐工作表处理
    do
    {
        // 读取表头
        var headers = new List<string>();
        if (reader.Read())
        {
            for (int i = 0; i < reader.FieldCount; i++)
            {
                headers.Add(reader.GetValue(i)?.ToString() ?? $"Column_{i}");
            }
        }
        
        // 逐行处理数据，不将整个表加载到内存
        var batchSize = 1000;
        var dataBatch = new List<Dictionary<string, object>>(batchSize);
        
        while (reader.Read())
        {
            var rowData = new Dictionary<string, object>();
            for (int i = 0; i < headers.Count; i++)
            {
                rowData[headers[i]] = reader.GetValue(i);
            }
            
            dataBatch.Add(rowData);
            
            // 批量处理，每batchSize行写入一次数据库
            if (dataBatch.Count >= batchSize)
            {
                SaveBatchToDatabase(dataBatch);
                dataBatch.Clear();
                // 释放内存
                GC.Collect(GC.MaxGeneration, GCCollectionMode.Forced);
            }
        }
        
        // 处理剩余数据
        if (dataBatch.Count > 0)
        {
            SaveBatchToDatabase(dataBatch);
        }
        
    } while (reader.NextResult());
}

[!TIP] 内存监控：在处理大型文件时，可以定期监控内存使用情况，动态调整批处理大小。例如：

if (Process.GetCurrentProcess().WorkingSet64 > 1_000_000_000) // 1GB
{
    batchSize = 500; // 当内存超过1GB时减小批处理大小
}

2. CPU优化：数据类型处理与并行处理

CPU优化的关键在于减少不必要的计算和类型转换。ExcelDataReader提供了多种获取数据的方法，选择合适的方法可以显著提高性能：

// 低效方式：频繁类型转换
var value = Convert.ToDecimal(reader.GetValue(0));

// 高效方式：直接获取指定类型
if (reader.GetFieldType(0) == typeof(decimal))
{
    var value = reader.GetDecimal(0);
}
else if (reader.IsDBNull(0))
{
    var value = default(decimal?);
}
else
{
    // 仅在必要时进行转换
    if (decimal.TryParse(reader.GetString(0), out var value))
    {
        // 处理转换后的值
    }
}

对于多工作表文件，可以利用并行处理提高CPU利用率：

public async Task ProcessWorksheetsInParallel(string filePath)
{
    using var stream = File.OpenRead(filePath);
    using var reader = ExcelReaderFactory.CreateReader(stream);
    
    // 首先收集所有工作表名称
    var worksheetNames = new List<string>();
    do
    {
        worksheetNames.Add(reader.Name);
    } while (reader.NextResult());
    
    // 重置读取器到开始位置
    stream.Position = 0;
    reader = ExcelReaderFactory.CreateReader(stream);
    
    // 使用并行方式处理工作表
    Parallel.ForEach(worksheetNames, worksheetName =>
    {
        // 找到对应的工作表
        do
        {
            if (reader.Name == worksheetName)
            {
                ProcessSingleWorksheet(reader);
                break;
            }
        } while (reader.NextResult());
    });
}

3. IO优化：缓存策略与异步操作

IO操作通常是Excel处理的瓶颈，通过合理的缓存和异步操作可以显著提升性能：

public async Task<DataTable> ReadExcelWithCaching(string filePath)
{
    var cacheKey = $"ExcelData_{Path.GetFileName(filePath)}_{File.GetLastWriteTime(filePath)}";
    
    // 尝试从缓存获取
    if (MemoryCache.Default.TryGetValue(cacheKey, out DataTable cachedData))
    {
        return cachedData;
    }
    
    // 异步读取文件
    using var stream = new FileStream(filePath, FileMode.Open, FileAccess.Read, 
        FileShare.Read, 8192, FileOptions.Asynchronous | FileOptions.SequentialScan);
    
    using var reader = ExcelReaderFactory.CreateReader(stream);
    
    // 异步转换为DataTable
    var dataSet = await Task.Run(() => reader.AsDataSet());
    var dataTable = dataSet.Tables[0];
    
    // 缓存结果（设置10分钟过期）
    MemoryCache.Default.Add(cacheKey, dataTable, 
        new CacheItemPolicy { AbsoluteExpiration = DateTimeOffset.Now.AddMinutes(10) });
    
    return dataTable;
}

实战案例：大数据量Excel处理系统

某数据分析平台需要处理包含百万行数据的Excel报表，原始实现经常出现内存溢出和超时问题。优化后的解决方案包含：

  1. 多级缓存系统：

    • 内存缓存：最近访问的小型文件
    • 磁盘缓存：大型文件处理结果
    • 分布式缓存：多服务器共享缓存

  2. 动态资源分配：

    • 根据文件大小自动调整批处理规模
    • 监控系统资源，在高峰期自动降低处理优先级

  3. 处理状态持久化：

    • 记录处理进度，支持断点续传
    • 失败时自动重试，避免从头开始

核心实现代码：

public class BigDataExcelProcessor
{
    private readonly ICacheService _cacheService;
    private readonly IProgressTracker _progressTracker;
    
    public BigDataExcelProcessor(ICacheService cacheService, IProgressTracker progressTracker)
    {
        _cacheService = cacheService;
        _progressTracker = progressTracker;
    }
    
    public async Task<ProcessingResult> ProcessBigExcelFileAsync(string filePath, string jobId)
    {
        // 检查是否有缓存或断点
        var progress = await _progressTracker.GetProgressAsync(jobId);
        if (progress.Percentage > 0)
        {
            return await ResumeProcessingAsync(filePath, jobId, progress);
        }
        
        // 开始新的处理
        using var stream = new FileStream(filePath, FileMode.Open, FileAccess.Read,
            FileShare.Read, 8192, FileOptions.Asynchronous | FileOptions.SequentialScan);
        
        using var reader = ExcelReaderFactory.CreateReader(stream);
        
        // 获取总行数（用于进度计算）
        var totalRows = await GetTotalRowCountAsync(reader);
        
        // 处理数据
        var batchSize = DetermineBatchSize(filePath);
        var processedRows = 0;
        
        do
        {
            // 处理表头
            // ...
            
            // 处理数据行
            while (reader.Read())
            {
                // 处理当前行
                // ...
                
                processedRows++;
                
                // 更新进度
                if (processedRows % 100 == 0)
                {
                    var percentage = (double)processedRows / totalRows * 100;
                    await _progressTracker.UpdateProgressAsync(jobId, percentage, processedRows);
                }
                
                // 批处理逻辑
                // ...
            }
            
        } while (reader.NextResult());
        
        // 完成处理
        await _progressTracker.CompleteProgressAsync(jobId);
        return new ProcessingResult { Success = true, RowsProcessed = processedRows };
    }
    
    // 其他辅助方法...
}

性能优化前后对比表

指标 优化前 优化后 提升幅度
内存占用 2.4GB 350MB 约85%
处理时间 4分30秒 55秒 约80%
CPU使用率 100%（单线程） 80%（多线程） 效率提升25%
IO操作次数 频繁随机访问 顺序访问+缓存 减少90%
最大支持文件 size 50MB 500MB+ 10倍提升

常见错误码速查

在使用ExcelDataReader过程中，你可能会遇到各种错误。以下是常见错误码及其解决方案：

错误码 描述 可能原因 解决方案
0x001 无法打开文件 文件不存在或被占用 检查文件路径和权限
0x102 密码错误 提供的密码不正确 验证密码或使用密码恢复机制
0x203 不支持的文件格式 文件损坏或格式过旧 确认文件版本或尝试修复文件
0x304 内存溢出 文件过大或批处理设置不当 优化批处理大小或使用流式处理
0x405 编码错误 文件使用了不支持的编码 指定正确的FallbackEncoding
0x506 工作表不存在 请求的工作表索引或名称错误 验证工作表名称或索引

完整控制台示例项目结构

以下是一个使用ExcelDataReader的完整控制台应用项目结构，涵盖加密文件处理、CSV解析和性能优化功能：

ExcelDataProcessor/
├── Program.cs                  # 主程序入口
├── Services/
│   ├── IExcelService.cs        # Excel处理服务接口
│   ├── ExcelService.cs         # Excel处理实现
│   ├── ICsvService.cs          # CSV处理服务接口
│   └── CsvService.cs           # CSV处理实现
├── Models/
│   ├── ExcelOptions.cs         # Excel处理选项
│   ├── CsvOptions.cs           # CSV处理选项
│   └── ProcessingResult.cs     # 处理结果模型
├── Helpers/
│   ├── EncryptionHelper.cs     # 加密相关帮助方法
│   ├── DataCleaner.cs          # 数据清洗工具
│   └── PerformanceMonitor.cs   # 性能监控工具
└── appsettings.json            # 应用配置

核心实现示例（Program.cs）：

class Program
{
    static async Task Main(string[] args)
    {
        // 注册编码提供程序（.NET Core需要）
        Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
        
        // 解析命令行参数
        var options = ParseCommandLineArgs(args);
        if (options == null)
        {
            ShowUsage();
            return;
        }
        
        try
        {
            // 创建服务实例
            var excelService = new ExcelService();
            var csvService = new CsvService();
            
            // 性能监控
            var monitor = new PerformanceMonitor();
            monitor.Start();
            
            // 根据文件类型选择处理方式
            ProcessingResult result;
            if (options.FilePath.EndsWith(".csv", StringComparison.OrdinalIgnoreCase))
            {
                result = await csvService.ProcessCsvFileAsync(options.FilePath, options);
            }
            else
            {
                result = await excelService.ProcessExcelFileAsync(options.FilePath, options);
            }
            
            // 停止监控并显示结果
            var metrics = monitor.Stop();
            
            // 输出处理结果
            Console.WriteLine($"处理完成: {result.RowsProcessed}行数据");
            Console.WriteLine($"耗时: {metrics.Duration:mm\\:ss\\.fff}");
            Console.WriteLine($"内存使用峰值: {metrics.PeakMemoryUsage / (1024 * 1024):F2} MB");
        }
        catch (Exception ex)
        {
            Console.WriteLine($"处理失败: {ex.Message}");
            if (ex.InnerException != null)
            {
                Console.WriteLine($"内部错误: {ex.InnerException.Message}");
            }
        }
    }
    
    // 其他辅助方法...
}

ExcelDataReader与同类库横向对比分析

在选择Excel处理库时，了解不同库的优缺点有助于做出最佳选择。以下是ExcelDataReader与其他主流库的对比：

特性 ExcelDataReader EPPlus NPOI ClosedXML
读取支持 所有格式 .xlsx/.xlsm 所有格式 .xlsx
写入支持 不支持 支持 支持 支持
加密文件 支持 支持 部分支持 有限支持
内存占用 低 中 中高 中
性能 高 中 中 中
依赖 无 无 无 无
.NET Core支持 是 是 是 是
开源协议 MIT Polyform Apache 2.0 MIT
社区活跃度 中 高 中 高

选择建议：

  • 仅需读取功能且关注性能：ExcelDataReader
  • 需要创建/修改Excel文件：EPPlus或ClosedXML
  • 处理老旧Excel格式：NPOI或ExcelDataReader
  • 企业级应用且预算充足：考虑商业组件如Aspose.Cells

进阶学习路径

掌握ExcelDataReader后，你可以通过以下路径进一步提升Excel处理能力：

  1. 深入源码理解：

    • 研究src/ExcelDataReader/Core/BinaryFormat/目录下的BIFF格式解析
    • 学习src/ExcelDataReader/Core/OfficeCrypto/中的加密算法实现

  2. 扩展功能开发：

    • 实现自定义数据转换器
    • 添加对新Excel格式的支持
    • 开发高性能批量导入工具

  3. 性能调优实践：

    • 使用性能分析工具找出瓶颈
    • 实现内存映射文件处理超大文件
    • 开发分布式Excel处理系统

  4. 相关技术学习：

    • 了解Open XML格式规范
    • 学习数据流式处理模式
    • 掌握异步IO编程技巧

通过不断实践和探索，你将能够构建高效、可靠的Excel处理系统，轻松应对各种复杂的数据处理场景。

总结

ExcelDataReader作为一款轻量级的C# Excel解析库，在处理加密文件、解析CSV和优化性能方面展现出强大的能力。通过本文介绍的"问题-解决方案-实战案例"三段式学习方法，你已经掌握了从不同Office版本加密文件解密、CSV智能解析与数据清洗，以及从内存、CPU和IO三个维度优化性能的核心技巧。

无论是日常的数据导入导出任务，还是企业级的大数据量处理系统，ExcelDataReader都能成为你得力的工具。记住，优秀的开发者不仅要会使用工具，更要理解工具背后的原理，才能在面对复杂问题时找到最佳解决方案。

现在，是时候将这些知识应用到实际项目中，体验ExcelDataReader带来的高效与便捷了！

ExcelDataReader
Lightweight and fast library written in C# for reading Microsoft Excel files
项目地址：https://gitcode.com/gh_mirrors/ex/ExcelDataReader
登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
28
16
atomcodeatomcode
Claude Code 的开源替代方案。连接任意大模型，编辑代码，运行命令，自动验证 — 全自动执行。用 Rust 构建，极致性能。 ｜ An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get Started
Rust
560
98
docsdocs
暂无描述
Dockerfile
705
4.51 K
kernelkernel
openEuler内核是openEuler操作系统的核心，既是系统性能与稳定性的基石，也是连接处理器、设备与服务的桥梁。
C
412
338
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。
C++
957
955
pytorchpytorch
Ascend Extension for PyTorch
Python
568
694
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot，Spring Security，JWT，Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
940
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
ppt-masterppt-master
AI 将任意文档转换为精美可编辑的 PPTX 演示文稿 — 无需设计基础 | 包含 15 个案例、229 页内容
Python
78
5
flutter_flutterflutter_flutter
暂无简介
Dart
951
235