JeecgBoot项目中实现多Sheet的Map数据导出方案
在JeecgBoot 3.6.1版本中,开发者经常需要处理复杂的数据导出需求,特别是需要将不同类型的数据分别导出到Excel的不同Sheet页中。本文将详细介绍如何基于JeecgBoot框架实现多Sheet导出功能,其中每个Sheet使用Map数据结构作为数据源。
多Sheet导出的核心原理
JeecgBoot的Excel导出功能基于Spring MVC的视图解析机制,通过NormalExcelConstants.JEECG_EXCEL_VIEW视图实现。多Sheet导出的关键在于构建正确的模型数据,包括:
- 每个Sheet的配置信息
- 每个Sheet对应的数据集合
- 导出参数设置
实现步骤详解
1. 准备导出数据结构
首先需要创建一个包含多个Sheet信息的列表,每个Sheet信息包含三个关键元素:
List<Map<String, Object>> exportParamList = Lists.newArrayList();
2. 构建单个Sheet的配置
对于每个Sheet,需要构建一个Map包含以下内容:
Map<String, Object> valueMap = Maps.newHashMap();
valueMap.put(NormalExcelConstants.PARAMS, view.getExportParams()); // 导出参数
valueMap.put(NormalExcelConstants.DATA_LIST, view.getDataList()); // 数据列表
valueMap.put(NormalExcelConstants.CLASS, view.getCls()); // 数据类型
3. 组装多Sheet配置
将所有Sheet配置添加到导出参数列表中:
exportParamList.add(valueMap);
4. 设置导出文件名
在模型数据中设置导出文件名:
modelMap.put(NormalExcelConstants.FILE_NAME, new DateTime().toString("yyyyMMddHHmmss"));
5. 设置多Sheet配置
将组装好的多Sheet配置放入模型数据:
modelMap.put(NormalExcelConstants.MAP_LIST, exportParamList);
6. 返回Excel视图
最后返回JeecgBoot的Excel视图:
return NormalExcelConstants.JEECG_EXCEL_VIEW;
完整示例代码
// 准备导出参数列表
List<Map<String, Object>> exportParamList = Lists.newArrayList();
// 获取业务数据(此处为示例,实际应根据业务调整)
ExportMoreView moreView = this.getBaseTransferService().mergeExportView(templateTypeCode);
// 遍历每个Sheet配置
for(ExportView view : moreView.getMoreViewList()) {
Map<String, Object> valueMap = Maps.newHashMap();
valueMap.put(NormalExcelConstants.PARAMS, view.getExportParams());
valueMap.put(NormalExcelConstants.DATA_LIST, view.getDataList());
valueMap.put(NormalExcelConstants.CLASS, view.getCls());
exportParamList.add(valueMap);
}
// 设置导出文件名
modelMap.put(NormalExcelConstants.FILE_NAME, new DateTime().toString("yyyyMMddHHmmss"));
// 设置多Sheet配置
modelMap.put(NormalExcelConstants.MAP_LIST, exportParamList);
// 返回Excel视图
return NormalExcelConstants.JEECG_EXCEL_VIEW;
关键点说明
-
数据源类型:虽然示例中使用了
ExportView对象,但实际上可以直接使用Map结构作为数据源,只需确保数据结构与模板匹配。 -
动态列处理:当使用Map作为数据源时,Excel列会动态匹配Map的key值,这为处理动态列提供了便利。
-
性能考虑:对于大数据量导出,建议分批处理数据,避免内存溢出。
-
样式定制:可以通过
ExportParams对象定制每个Sheet的表头样式、标题等属性。
常见问题解决方案
-
Sheet名称设置:在
ExportParams中设置title属性作为Sheet名称。 -
列顺序问题:当使用Map时,列顺序可能不稳定,建议在模板中明确指定列顺序。
-
数据类型转换:Map中的值会自动转换为Excel单元格类型,但复杂对象需要特殊处理。
通过上述方法,开发者可以灵活地在JeecgBoot项目中实现基于Map数据源的多Sheet导出功能,满足各种复杂的业务导出需求。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00