Jeecg-Boot中实现多Sheet的Map数据导出方案
2025-05-02 04:01:01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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781