java mysql 导出excel文件怎么打开文件_JAVA读取数据库数据导出excel文件

这篇博客介绍了一个Java工程中使用Servlet从MySQL数据库导出数据到Excel文件的过程。首先,通过ConnectionPooling初始化数据库连接,然后执行SQL查询获取数据。接着,创建Excel文件并利用JXL库将查询结果写入文件。最后,通过response.sendRedirect重定向用户下载生成的Excel文件。
摘要由CSDN通过智能技术生成

运行环境描述:

java工程

tomcat服务

mysql数据库

java导出servlet类:

package com.daochu.excel;

import java.io.File;

import java.io.FileOutputStream;

import java.io.FileWriter;

import java.io.IOException;

import java.io.OutputStream;

import java.io.PrintWriter;

import java.sql.ResultSet;

import javax.servlet.ServletException;

import javax.servlet.http.HttpServlet;

import javax.servlet.http.HttpServletRequest;

import javax.servlet.http.HttpServletResponse;

import jxl.Workbook;

import jxl.write.Label;

import com.broadway.db.ConnectionManager;

import com.broadway.db.ConnectionPooling;

public class DaoChuServlet extends HttpServlet {

public void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {

doPost(request, response);

}

@SuppressWarnings("deprecation")

public void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {

ConnectionPooling.init(""); // 连接数据库初始化时

ConnectionManager conn = new ConnectionManager(ConnectionPooling.getConnection());

ResultSet rs = null;

try {

String id = request.getParameter("id") == null ?"" : request.getParameter("id");

if(!id.equals("")){

String sql = "select * from lotteryfenxi where id = '"+id+"'";

rs = conn.executeQuery(sql);

// 新建Excel文件

String filePath = request.getRealPath("Test.xls");

System.out.println(filePath);

File myFilePath = new File(filePath);

if (!myFilePath.exists())

myFilePath.createNewFile();

FileWriter resultFile = new FileWriter(myFilePath);

PrintWriter myFile = new PrintWriter(resultFile);

resultFile.close();

// 用JXL向新建的文件中添加内容

OutputStream outf = new FileOutputStream(filePath);

jxl.write.WritableWorkbook wwb = Workbook.createWorkbook(outf);

//生成名为“sheettest”的工作表,参数0表示这是第一页

jxl.write.WritableSheet ws = wwb.createSheet("sheettest", 0);

int i = 0;

int j = 0;

for (int k = 0; k < rs.getMetaData().getColumnCount(); k++) {

ws.addCell(new Label(k, 0, rs.getMetaData().getColumnName(k + 1)));

}

//getMetaData() 获取此 ResultSet 对象的列的编号、类型和属性。

//getColumnCount()返回此 ResultSet 对象中的列数。

System.out.println("列数:"+rs.getMetaData().getColumnCount());

while (rs.next()) {

for (int k = 0; k < rs.getMetaData().getColumnCount(); k++) {

ws.addCell(new Label(k, j + i + 1, rs.getString(k + 1)));

}

i++;

}

wwb.write();

wwb.close();

}

rs.close();

conn.closeRs();

} catch (Exception e) {

e.printStackTrace();

} finally {

conn.closeConn();

}

response.sendRedirect("Test.xls");

}

}

3.  web.xml配置:

xmlns="http://java.sun.com/xml/ns/javaee"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://java.sun.com/xml/ns/javaee

http://java.sun.com/xml/ns/javaee/web-app_2_5.xsd">

index.jsp

excel

com.daochu.excel.DaoChuServlet

excel

/excel

5.连接数据库的方式多种多样,我只用了我自己的连接方式,大家可以采用自己连接数据库的方式,只要能正常访问就ok

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