EXCEL 导出,显示结果总是第一次打开的结果

导出EXCEL报表的表头设置

防止出现不能多次不同条件导出同一个EXCEL报表

 

实际开发应用中,JSPEXCEL报表导出功能非常重要,最简单最常用的生成办法是:1.选定EXCEL报表。2.另存为后缀名为html的网页。3.构建一个带说明头的JSP文件,将2中的html文件的所有代码复制粘贴到JSP文件说明头之后。4.在这个JSP文件中进行代码编写。5.系统运行时调用此JSP文件,导出EXCEL报表。

说明头如下:

<%@ page contentType="application/vnd.ms-excel; charset=GBK" language="java" import="java.util.*" 
import="java.sql.*"  import="java.util.*"
import="com.slhrm.test.connectData.*"
 %>

 

其中contentType="application/vnd.ms-excel; charset=GBK"指定了本页面以EXCEL的形式来打开,本页面中的tableEXCEL中解释。

加上以上的头说明,JSP页面的打开方式就是EXCEL文件了。但是,在实际应用中出现了一个问题:

客户通过点击按钮第一次访问这个页面,选择打开而不是保存,EXCEL页面在HTML浏览器中正常打开,最小化此HTML浏览器。重新设置查询条件,点击按钮第二次访问这个页面面,选择打开,这时会重新打开一个 HTML浏览器,但是这个浏览器中的EXCEL页面是第一次打开的EXCEL页面。最小化本页面,重新设置条件,点击导出按钮,打开的HTML浏览器中的EXCEL页面依然是第一次打开的页面。汇总症状,只要客户没有把已经打开的HTML浏览器中的EXCEL页面关闭,重新设置条件访问这个页面,显示的结果永远都是第一次的EXCEL页面。

发生这个状况的原因是EXCEL对于同一个文件只能打开一次。当点击导出按钮后,提示用户是打开还是保存当前EXCEL文件。如果客户选择保存的话,系统就会进入保存流程,保存流程会自动提示用户不能保存相同文件名称的两个文件在同一个文件夹中,或者已经有相同文件名的EXCEL文件正在打开不能覆盖等情况,这个流程比较完善,系统用户也能较为简单的理解。

但是,如果客户选择打开,在HTML浏览器中打开EXCEL文件,这时所有的流程都交给了浏览器在后台运行。浏览器自动在系统缓存文件夹中为这个EXCEL文件分配内存,进行命名。问题就出在这个命名上头,浏览器会根据JSP页面的名称或者设置进行命名,一个JSP页面只能命名一个名称,也就是说xxx.jsp这个页面,只要选择打开而不是保存就会在缓存文件夹中出现一个xxx.xls文件,可是系统有另一个规则,同一个文件也就是xxx.xls这个文件在打开的情况下不能被覆盖,这时如果系统用户重新设置了条件又一次访问xxx.jsp页面想要再打开一次EXCEL文件,HTML浏览器就没有办法了,想要再一次保存一个xxx.xls文件不可能了,因为已经有xxx.xls被保存了并且已经被打开了。这时浏览器就会再一次打开当前的也就是上一次保存并打开的xxx.xls文件,这也就造成了客户无论如何设置条件都会打开第一次打开的EXCEL文件。

解决以上问题的方法是修改说明头如下:

 

 

加上了response.setHeader("Content-disposition","attachment;filename=result.xls");这一句,加上这一句之后的效果就是同一个页面第一打开会自动生成result.xls这个文件,第二次打开会生成result[2].xls这个文件,不会因为文件名重复而不能打开或者打开第一次打开的文件了。具体这句话的含义和语法网上有解释,但是跟本文中所说的这个问题以及形成这个问题的原因还没有找到具体直接的连接,希望童鞋有兴趣可以研究一下。

ele 2009-9-24 9:09:14

 

 
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值