最近公司需求解析excel,一开始使用poi做的挺好的,后来直接上了几十万条数据的excel文件,内存直接溢出了,网上查到apache poi还提供了专门处理海量数据的方法,使用sax解析,果然用了内存使用率下降,但是不能解析xls文件,只能解析xlsx文件,所以把工具简单封装了一下,如果是xls的用传统方式解析,如果是xlsx的大文件,用sax,这样灵活一定,详见md文件
(建议前往github查看最新内容)
https://gitee.com/hellojamie/ebatis
Ebatis
用于解析excel表格内容到 java bean 目前支持xls、xlsx格式文件 对于大数据量文件自动使用sax方式解析,防止内存溢出
目录(记得看注意):
开始
扩展功能
注意
开始
因为经常有改动,需要手动打包发布
// Maven导入第三方poi依赖,或者直接把master pull下来发布到本地
org.apache.poi
poi
3.17
org.apache.poi
poi-ooxml
3.17
xerces
xercesImpl
2.9.1
首先你需要创建好你的实体类,假设现在有这样一个excel表格需要解析
姓名手机号生日
王文娟
18888888888
1996-01-01
大美丽
16666666666
1996-01-01
首先你需要一个实体类 有几点要求,必须正确封装,包含get\set方法 属性上包含必要的Mapping注解,key属性填入与表格对应的名称,属性类型根据需要自己定义
package cc.ebatis.controller;
import java.io.File;
import cc.ebatis.bean.People;
import cc.ebatis.impl.Init;
import cc.ebatis.pojo.ActionContext;
public class Test {
public static void main(String[] args) {
File file = new File("c://Users//Pei//Desktop//pei.xlsx");
Init init = new Init(file, People.class, false);
System.out.println("init===="+init);
ActionContext act = init.start();
System.out.println("act===="+act);
}
}
package cc.ebatis.bean;
import java.util.Date;
import cc.ebatis.annotation.Mapping;
public class People {
@Mapping(key = "姓名")
private String name;
@Mapping(key = "手机号")
private String phone;
@Mapping(key = "生日")
private Date birth;
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public String getPhone() {
return phone;
}
public void setPhone(String phone) {
this.phone = phone;
}
public Date getBirth() {
return birth;
}
public void setBirth(Date birth) {
this.birth = birth;
}
@Override
public String toString() {
return "People [name=" + name + ", phone=" + phone + ", birth=" + birth + "]";
}
}
然后将你的文档以流的方式加载进来,通过以下代码开始解析
// Init接受一个InputStream对象,以及一个实体对象
// 调用start开始
// 通过ActionContext获取需要的信息
// 参数依次为-文件-实体class-是否去重
File file = new File("excel.xlsx");
Init init = new Init(file, ExcelPojo.class, false);
ActionContext act = init.start();
(注意:如果要去重的话请重写实体中的hashCode和equals方法,内部使用set来去重,false表示不去重) ActionContext中包含了所需要的所有信息,信息格式如下,这里以json的形式展示
{
"sheets":[
{
"line":5,
"sheetName":"Sheet1",
"column":6,
"correctLine":5,
"blankLineSize":0,
"errorLineSize":0,
"repeatLineSize":0,
"info":[
{
"date":1331481600000,
"name":"王文娟",
"phone":"15035214458"
},
{
"date":1331481600000,
"name":"大美丽",
"phone":"14555874458"
}
],
"blankLine":[],
"errorLine":[],
"repeatLine":[]
}
],
"fileType":"XLSX",
"SheetSize":1,
"fileSizeByte":9138,
"useSax":true,
"distinct":false,
"result":true
}
属性名含义
sheets
sheet数组
line
解析当前sheet一共多少行数据,不算表头
sheetName
sheet的名称
column
列数
info
实体对象数组,包含实体的列表,也就是行数据
correctLine
实际正确解析出的数量(行数)
blankLineSize
空行的数量
errorLineSize
错误行的数量,包括正则不通过被删除的
repeatLineSize
重复行的数量
fileType
文件类型
blankLine
空白行的行号-数组
errorLine
错误行的行号-数组
repeatLine
重复行的行号-数组
fileSizeByte
文件大小(字节)
useSax
是否使用了sax方式
distinct
是否去重
result
最后是否解析成功,如果中间出错则是false
sheetSize
文件中有几个sheet
useSax
是否使用sax解析,即是否解析的是xlsx文件
distinct
是否去重
使用ActionContext的getXXX方法获取上面的内容
扩展功能
@Mapping注解有三个非必选属性
@Mapping(key = "手机号", rex = "^[0-9]{11}$", delNull = true, length = 11)
private String phone;
属性名含义是否必填
key
填写与excel文件头的映射名称
必填
rex
填写解析内容时使用的正则表达式,如果不符合正则则不赋值
非必填
delNull
如果该属性为null的话,是否删除整条信息,默认false不删除
非必填
length
填写提取内容的最大长度,默认不限制
非必填
@LineNumber注解,获取当前记录是第几行,不算表头那行
@LineNumber
private Integer line;
@MappingSheetName注解,将sheet名称作为属性值添加
@MappingSheetName
private String type;
注意
解析xlsx大文件的时候,POI本身会占据较大内存,例如100W行15列,POI自身将消耗400M+的内存,加上解析出来的内容会大于这个值,以100W为例大概需要700M+内存
实体中请使用包装类,不支持int等类型,请使用Integer
列与列之间不能包含表头为空的列,即不能有空列将信息隔开,如果有,以空列前一列为末尾解析
excel文件请使用第一行表头,其余行信息的标准格式,如果有合并单元格情况,可能会解析失败(可以包含空行和空单元格,会自动过滤,但必须有表头)
实体类的属性不严格要求与列的数量一致,根据需要添加映射注解即可
实体类 的属性和表头的顺序没有严格要求,只要key匹配即可
如果需要去重,请重写实体的hashCode和equals方法,内部使用HashSet方式去重,重写时请注意
最后是否解析成功请以result属性为准