利用POI导出Excel表

<!-- https://mvnrepository.com/artifact/org.apache.poi/poi -->
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi</artifactId>
        <version>3.16</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/org.apache.poi/poi-ooxml -->
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi-ooxml</artifactId>
        <version>3.16</version>
    </dependency>
    <!-- https://mvnrepository.com/artifact/org.apache.poi/poi-ooxml-schemas -->
    <dependency>
        <groupId>org.apache.poi</groupId>
        <artifactId>poi-ooxml-schemas</artifactId>
        <version>3.16</version>
    </dependency>

/**
* 订单列表导出
*/
@RequestMapping(value = “orderDownload”)
public void orderDownloads(HttpServletResponse response, OrderListQuery vo) throws Exception, ParseException {
HSSFWorkbook workbook = new HSSFWorkbook();
HSSFSheet sheet = workbook.createSheet(“订单列表”);
//数据列表
vo.setTransstatus(-1);
List transPage = salesTransService.findTransPage(vo);
//设置要导出的文件的名字
String fileName = “订单列表” + “.xls”;
// 如果文件名有中文,必须URL编码
fileName = URLEncoder.encode(fileName, “UTF-8”);
//新增数据行,并且设置单元格数据
int rowNum = 1;
String[] headers = {“外部订单号”, “商户订单号”, “票号”, “城市”, “景区”, “门票名称”, “订单状态”, “退单状态”, “人数”, “已检票”, “刷脸/二维码”, “应付金额”, “实付金额”, “结算金额”, “退款金额”, “下单时间”, “游玩日期”, “取票人”, “联系电话”};
//headers表示excel表中第一行的表头
HSSFRow row = sheet.createRow(0);
//在excel表中添加表头
for (int i = 0; i < headers.length; i++) {
HSSFCell cell = row.createCell(i);
HSSFRichTextString text = new HSSFRichTextString(headers[i]);
cell.setCellValue(text);
}
//日期格式
SimpleDateFormat sdf1 = new SimpleDateFormat(“EEE MMM dd HH:mm:ss z yyyy”, Locale.ENGLISH);
SimpleDateFormat sdf2 = new SimpleDateFormat(“yyyy-MM-dd HH:mm:ss”);
HSSFCellStyle dateCellStyle = workbook.createCellStyle();
short df = workbook.createDataFormat().getFormat(“yyyy-MM-dd HH:mm:ss”);
dateCellStyle.setDataFormat(df);
//在表中存放查询到的数据放入对应的列
for (OrderList order : transPage) {
HSSFRow row1 = sheet.createRow(rowNum);
row1.createCell(0).setCellValue(order.getOrdersheetid());
row1.createCell(1).setCellValue(order.getPaychannelorderid());
row1.createCell(2).setCellValue(order.getTicketno());
row1.createCell(3).setCellValue(order.getCityname());
row1.createCell(4).setCellValue(order.getScenicname());
row1.createCell(5).setCellValue(order.getTicketname());
row1.createCell(6).setCellValue(order.getTransStatusStr());
row1.createCell(7).setCellValue(order.getReturnStatusStr());
row1.createCell(8).setCellValue(order.getTickepersonnum());
row1.createCell(9).setCellValue(order.getCheckpersonnum());
row1.createCell(10).setCellValue(order.getPaytypeStr());
row1.createCell(11).setCellValue(String.valueOf(order.getOutmoney()));
row1.createCell(12).setCellValue(String.valueOf(order.getPaymoney()));
row1.createCell(13).setCellValue(String.valueOf(order.getSummoney()));
row1.createCell(14).setCellValue(String.valueOf(order.getRtOutmoney()));
row1.createCell(15).setCellValue(sdf2.format(sdf1.parse(order.getSaletime().toString())));
row1.createCell(16).setCellValue(sdf2.format(sdf1.parse(order.getTourday().toString())));
row1.createCell(17).setCellValue(order.getCustomname());
row1.createCell(18).setCellValue(order.getLinkphone());
rowNum++;
}
//设置头信息
// ContentType 可以不设置
response.setHeader(“Content-disposition”, “attachment;filename=” + fileName);
response.setContentType(“application/vnd.ms-excel;charset=UTF-8”);
workbook.write(response.getOutputStream());
response.getOutputStream().flush();
response.getOutputStream().close();

}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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