MiniExcel模板填充:动态列数据的正确处理方法
2025-06-27 02:35:51作者:郦嵘贵Just
在使用MiniExcel进行Excel模板填充时,开发者经常会遇到需要动态填充多列数据的情况。本文将通过一个典型场景,深入分析如何正确处理模板中多列数据的动态填充问题。
问题场景分析
假设我们有一个Excel模板,包含两列数据需要填充:
- 第一列:
{{model.name}} - 第二列:
{{manufacturer.name}}
期望的填充结果是:
A1 B1
A2 B2
A3 B3
A4 B4
常见错误做法
错误方法一:分离数据源
开发者可能会尝试将两列数据分别放在不同的字典键中:
var value = new Dictionary<string, object>
{
["model"] = new[] { new { name = "A1" }, new { name = "A2" } },
["manufacturer"] = new[] { new { name = "B1" }, new { name = "B2" } }
};
这种做法的结果是错误的,因为MiniExcel会将每个数据源独立展开,导致数据错位。
错误方法二:多次填充
另一种尝试是分多次调用SaveAsByTemplateAsync方法:
// 第一次填充model
await memoryStream.SaveAsByTemplateAsync(copiedData, new { model = models });
// 第二次填充manufacturer
await clonedStream.SaveAsByTemplateAsync(copiedData1, new { manufacturer = manufacturers });
这种方法会产生笛卡尔积,导致数据重复组合。
正确解决方案
使用统一数据对象
正确的做法是将每行数据作为一个整体对象,包含所有需要填充的属性:
// 创建动态对象数组
dynamic[] objects = Enumerable.Range(0, 4)
.Select(x => new ExpandoObject())
.ToArray();
// 填充每行数据
for (int i = 0; i < 4; i++)
{
var obj = objects[i];
obj.model = new { name = $"A{i + 1}" };
obj.manufacturer = new { name = $"B{i + 1}" };
}
// 构建数据源
var value = new Dictionary<string, object>
{
["data"] = objects
};
对应的模板应修改为:
{{data.model.name}} {{data.manufacturer.name}}
替代方案:使用字典
如果不喜欢动态对象,可以使用字典:
var rows = new List<Dictionary<string, object>>();
for (int i = 0; i < 4; i++)
{
var row = new Dictionary<string, object>
{
["model"] = new { name = $"A{i + 1}" },
["manufacturer"] = new { name = $"B{i + 1}" }
};
rows.Add(row);
}
var value = new Dictionary<string, object>
{
["data"] = rows
};
技术原理
MiniExcel的模板引擎要求:
- 每行数据必须是一个完整的对象
- 模板中的属性路径必须能够从同一个对象解析
- 数组数据会按行展开
理解这些原则后,就能正确设计数据结构和模板,实现预期的填充效果。
总结
处理MiniExcel模板填充时,关键是要确保:
- 每行数据包含所有需要填充的字段
- 使用统一的数据对象结构
- 模板中的属性路径与数据结构匹配
通过合理设计数据模型,可以轻松实现复杂的动态列填充需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218