Jeecg-Boot中实现多Sheet的Map数据导出方案
2025-05-02 15:48:42作者:卓炯娓
概述
在Jeecg-Boot 3.6.1版本中,系统提供了强大的Excel导出功能,支持多Sheet页导出。本文将详细介绍如何使用Map数据结构来实现多Sheet页的Excel导出功能,相比实体类导出方式,Map方式更加灵活,适用于动态数据结构场景。
核心实现原理
Jeecg-Boot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导出需要构建一个包含多个Sheet配置的列表,每个Sheet可以独立配置参数、数据源和映射关系。
具体实现步骤
1. 准备导出数据
首先需要准备一个List<Map<String, Object>>集合,每个Map代表一个Sheet页的配置:
List<Map<String, Object>> exportParamList = Lists.newArrayList();
2. 构建每个Sheet的配置
对于每个Sheet页,需要构建包含以下三个关键参数的Map:
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()); // 映射类
exportParamList.add(valueMap);
3. 设置导出文件名
在ModelMap中设置导出文件名:
modelMap.put(NormalExcelConstants.FILE_NAME, new DateTime().toString("yyyyMMddHHmmss"));
4. 设置多Sheet配置
将准备好的多Sheet配置列表放入ModelMap:
modelMap.put(NormalExcelConstants.MAP_LIST, exportParamList);
5. 返回视图
最后返回Jeecg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(根据实际情况调整)
ExportMoreView moreView = this.getBaseTransferService().mergeExportView(templateTypeCode);
// 迭代导出对象,配置每个Sheet页
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;
注意事项
-
数据格式:确保
view.getDataList()返回的是Map列表,每个Map代表一行数据,key对应表头 -
映射配置:
view.getExportParams()应包含表头与数据key的映射关系 -
性能考虑:大数据量导出时,建议分批处理数据,避免内存溢出
-
样式定制:如需自定义样式,可通过
ExportParams设置
扩展应用
这种多Sheet导出方式特别适用于以下场景:
- 需要导出多个关联数据表
- 数据结构动态变化的报表
- 需要将不同类型数据分开展示的场景
- 需要为每个Sheet设置不同表头的复杂报表
通过灵活运用Jeecg-Boot提供的多Sheet导出功能,开发者可以轻松实现各种复杂的Excel导出需求,提高开发效率。
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
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
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
215
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
🎉 (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
1.18 K
648
仓颉编程语言开发者文档。
59
818