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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00