使用 PHP 和 PhpSpreadsheet 在 Excel 中插入图片(附完整代码)

PHP使用PhpSpreadsheet操作Excel 一、PhpSpreadsheet 介绍 1、PhpSpreadsheet 是什么 PhpSpreadsheet是一个用纯PHP编写的库,提供了一组类,使您可以读取和写入不同的电子表格文件格式 PhpSpreadsheet提供了丰富的API接口,可以设置诸多单元格以及文档属性,包括样式、图片、日期、函数等等诸多应用,总之你想要什么样的Excel表格,PhpSpreadsheet都能做到 使用 Ph... 阅读详情

在现代 Web 开发中,经常需要生成包含数据和图片的 Excel 报表。本文将介绍如何使用 PHP 和 PhpOffice\PhpSpreadsheet 库创建一个包含图片的 Excel 文件。

准备工作

首先需要安装 PhpSpreadsheet 库:

composer require phpoffice/phpspreadsheet

核心实现

1. 创建图片插入函数

function addImageToCell($worksheet, $imagePath, $cell, $name)
{
    $drawing = new Drawing();
    $drawing->setName($name);
    $drawing->setDescription($name);
    $drawing->setPath($imagePath);
    $drawing->setHeight(80);
    $drawing->setWidth(100);
    $drawing->setCoordinates($cell);
    $drawing->setOffsetX(5);
    $drawing->setOffsetY(5);
    $drawing->setWorksheet($worksheet);
}

这个函数使用 PhpOffice\PhpSpreadsheet\Worksheet\Drawing 类来处理图片插入,设置了图片的尺寸、位置和偏移量。

2. 准备数据

$header = ['课程名称', '图片'];
$list = [
    [
        'name' => 'thinkphp',
        'image' => 'images/thinkphp.png'
    ],
    [
        'name' => 'npm',
        'image' => 'images/npm.png'
    ],
    [
        'name' => 'uni-app',
        'image' => 'images/uni-app.jpg'
    ]
];

3. 创建 Excel 并填充数据

$spreadsheet = new Spreadsheet();
$worksheet = $spreadsheet->getActiveSheet();

// 填充标题行
$worksheet->setCellValue('A1', $header[0]);
$worksheet->setCellValue('B1', $header[1]);
$worksheet->getColumnDimension('B')->setWidth(15);

$line = 1;
foreach ($list as $k => $v) {
    $line++;
    $worksheet->getRowDimension($line)->setRowHeight(100);
    $worksheet->getCell('A' . $line)->setValue($v['name']);
    addImageToCell($worksheet, $v['image'], 'B' . $line, $v['name']);
}

4. 保存文件

通过命令行保存文件:php index.php

$writer = new Xlsx($spreadsheet);
$filename = 'course_list.xlsx';
$writer->save($filename);

通过站点保存文件:php -S 127.0.0.1:8888 ,访问127.0.0.1:8888可直接触发下载。也可以通过Ngnix等部署成站点,访问下载

header('Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet');
header('Content-Disposition: attachment;filename="course_list.xlsx"');
header('Cache-Control: max-age=0');

$writer = new Xlsx($spreadsheet);
$writer->save('php://output');

关键要点

  • 使用 Drawing 类处理图片插入
  • 设置合适的行高和列宽以适应图片
  • 使用 setOffsetX 和 setOffsetY 调整图片在单元格中的位置
  • 确保图片路径正确且文件存在

实际效果

生成的 Excel 文件将包含两列:课程名称和对应的图片,每张图片都会整齐地显示在单元格中,具有良好的视觉效果。

这种方法非常适合生成产品目录、员工信息表、课程列表等需要同时展示文本信息和图片的报表。

完整代码

<?php
require __DIR__ . '/vendor/autoload.php';

use PhpOffice\PhpSpreadsheet\Spreadsheet;
use PhpOffice\PhpSpreadsheet\Worksheet\Drawing;
use PhpOffice\PhpSpreadsheet\Writer\Xlsx;

function addImageToCell($worksheet, $imagePath, $cell, $name)
{
    $drawing = new Drawing();
    $drawing->setName($name);
    $drawing->setDescription($name);
    $drawing->setPath($imagePath);
    $drawing->setHeight(80);
    $drawing->setWidth(100);
    $drawing->setCoordinates($cell);
    $drawing->setOffsetX(5);
    $drawing->setOffsetY(5);
    $drawing->setWorksheet($worksheet);
}

// 示例数据
$header = ['课程名称', '图片'];
$list = [
    [
        'name' => 'thinkphp',
        'image' => 'images/thinkphp.png'
    ],
    [
        'name' => 'npm',
        'image' => 'images/npm.png'
    ],
    [
        'name' => 'uni-app',
        'image' => 'images/uni-app.jpg'
    ]
];

$spreadsheet = new Spreadsheet();
$worksheet = $spreadsheet->getActiveSheet();

// 填充标题行
$worksheet->setCellValue('A1', $header[0]);
$worksheet->setCellValue('B1', $header[1]);
$worksheet->getColumnDimension('B')->setWidth(15);
$line = 1;
foreach ($list as $k => $v) {
    $line++;
    $worksheet->getRowDimension($line)->setRowHeight(100);
    $worksheet->getCell('A' . $line)->setValue($v['name']);
    addImageToCell($worksheet, $v['image'], 'B' . $line, $v['name']);
}

// 保存为 Excel 文件
$writer = new Xlsx($spreadsheet);
$filename = 'course_list.xlsx';
$writer->save($filename);

// 下载 Excel 文件
// header('Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet');
// header('Content-Disposition: attachment;filename="course_list.xlsx"');
// header('Cache-Control: max-age=0');
// $writer = new Xlsx($spreadsheet);
// $writer->save('php://output');
PhpOffice/PhpSpreadsheet读取和写入Excel PhpSpreadsheet读取和写入Excel 阅读详情

相关推荐

PHP 使用 PhpSpreadsheet

PHP 使用 PhpSpreadsheet

wgchen 1430

php使用PhpSpreadsheet导出Excel表格详解

1、简介PhpSpreadsheet 是一个用纯PHP编写的库,提供了一组类,使您可以读取和写入不同的电子表格文件格式PhpSpreadsheet 提供了丰富的API接口,可以设置诸多单元格以及文档属性,包括样式、图片、日期、函数等等诸多应用,总之你想要什么样的Excel表格,PhpSpreadsheet都能做到。使用 PhpSpreadsheet 开发的PHP要求 7.1或更高版本PhpSpreadsheet 支持链式操作2、安装。

L小臣的博客 7161

php使用phpspreadsheet批量导入excel数据

注:演示的页面前端我用的layui框架,前端这些样式细节我并没有详细说明,这篇文章主要说的是后端一些细节。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 2675

PHP使用PhpSpreadsheet操作Excel实例详解

1、PhpSpreadsheet 是什么PhpSpreadsheet是一个用纯PHP编写的库,提供了一组类,使您可以读取和写入不同的电子表格文件格式PhpSpreadsheet提供了丰富的API接口,可以设置诸多单元格以及文档属性,包括样式、图片、日期、函数等等诸多应用,总之你想要什么样的Excel表格,PhpSpreadsheet都能做到使用 PhpSpreadsheet 开发的PHP要求 7.1或更高版本PhpSpreadsheet 支持链式操作。

withoutfear的博客 5687

树莓派计算模块摄像头连接与配置全攻略:从硬件跳线到软件驱动

在嵌入式视觉项目中,摄像头模组的连接与驱动是图像采集和视频分析的基础。其核心原理是通过CSI-2高速串行接口协议传输图像数据,并依赖I2C总线进行传感器寄存器配置。这一技术方案的价值在于为工业控制、机器人等嵌入式设备提供了稳定、高性价比的视觉感知能力。在实际应用中,开发者常面临摄像头无法识别、I2C通信失败等挑战,尤其是在使用树莓派计算模块时,其硬件接口需要通过I/O板引出,配置过程涉及设备树参数调整等关键步骤。本文聚焦于解决这些实际问题,详细拆解了从硬件连接到软件驱动的完整流程,特别是针对CM4、CM3+

weixin_29184075的博客 337

海康工业相机使用教程

海康工业相机连接电脑教程

qq_43251445的博客 2万+

使用PHP和PhpSpreadsheet在Excel中插入图片的完整代码

在现代 Web 开发中,经常需要生成包含数据和图片的 Excel 报表。本文将介绍如何使用 PHP 和 PhpOffice\PhpSpreadsheet 库创建一个包含图片的 Excel 文件。

m0_74824496的博客 288

从权限对象到业务角色:把 SAP Authorization Object 讲清楚,并用 ABAP 写对一次 AUTHORITY-CHECK

摘要:SAP权限管理的核心在于Authorization Object(授权对象),它通过组合最多10个授权字段来精确控制用户访问权限。关键要点包括:1) 授权对象与ACTVT字段(如01创建/02修改/03显示)的配合使用;2) ABAP中AUTHORITY-CHECK语句的四种常见返回码(0通过/4字段不匹配/12无权限/40无效用户);3) 系统自动执行的S_TCODE事务码检查;4) 自定义授权对象时应遵循"最少且足够"原则,优先复用标准对象。在RAP和OData场景中,权限检查

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 272

Php操作Excel PhpSpreadsheet读取和写入Excel

PhpSpreadsheet是一个纯PHP编写的组件库,它使用现代PHP写法,代码质量和性能比PHPExcel高不少,完全可以替代PHPExcel(PHPExcel已不再维护)。使用PhpSpreadsheet可以轻松读取和写入Excel文档,支持Excel的所有操作。 官网:https://phpspreadsheet.readthedocs.io/en/stable/ 1. 初识PhpSpreadsheet 软件依赖 要使用PhpSpreadsheet需要满足以下条件: PHP5.6或更改版本

weixin_42411512的博客 2959

电气:蒙特卡洛1000个风光场景并通过削减法|聚类法得到几个典型场景(matlab\python实现)

    个人电气目录传送门:学好电气全靠它,个人电气博文目录(持续更新中…)     本文内容包括22页(代码和一些自己对风光的观点) 提示:专栏解锁后,可以查看该专栏所有文章,划算。 文章目录一、理论依据1.风电DG出力概率模型1.2光伏DG出力概率模型1.3对风光的认识二、蒙特卡洛模拟1000个风光场景、并通过削减法得到5个典型风电场景 (Matlab 版程序)三、蒙特卡洛模拟1000个风光场景、并通过聚类法得到5个典型

总裁余(余登武)博客 7682

Unity之ASE+ShaderGraph+VFX入门到精通 目录

这里是ASE+ShaderGraph+VFX从入门到精通专栏的目录,不停更新中,有问题随时留言或者私信。

TxNet 2842

PhpSpreadsheet 导出图片到 Excel

之前使用的是PHPExcel来做PHP程序的数据导出,但是ThinkPHP5版本就改成了PhpSpreadsheet,文档因为是英文的所以看不太懂,今天解决的是PhpSpreadsheet 导出图片到 Excel。 代码1: /** * [export 导出数据] */ public functionexport() { //查询数据 $data = $this->model->field('id,user_id,thumb,content,creat...

weixin_42411512的博客 2712

七天征服AutoSAR/SomeIP_01速成配置并代码生成

本文为AutoSAR中SomeIP配置开发的实操指南摘要,重点介绍通过通信矩阵快速构建SomeIP工程的方法。核心内容包括:1)基于Excel通信矩阵生成系统描述文件(arxml);2)在AutoSAR工具中导入文件自动生成协议栈配置,涵盖ETHIF、SoAd等模块;3)关键报错处理(COM/PDUR/SOAD/SD模块的配置修正);4)SomeIPXF的数据编解码配置;5)SWC组件与RTE任务映射。教程强调"先完成再完美"的实践原则,指导开发者快速生成基础代码框架,为后续协议调试奠定

大叔带刺的博客 309

php使用PhpOffice/PhpSpreadsheet对Excel进行读取和写入

PhpOffice/PhpSpreadsheet读取和写入Excel PhpSpreadsheet是一个纯PHP编写的组件库,它使用现代PHP写法,代码质量和性能比PHPExcel高不少,完全可以替代PHPExcel(PHPExcel已不再维护)。使用PhpSpreadsheet可以轻松读取和写入Excel文档,支持Excel的所有操作。 官网:https://phpspreadsheet.readthedocs.io/en/stable/ 1. 初识PhpSpreadsheet 软件依赖 要使用PhpSp

ice_mocha的博客 1万+

基于风机和水轮机互补发电系统的Simulink仿真

随着全球对清洁能源的需求不断增长,风力发电和水力发电作为两种重要的可再生能源发电方式,受到了广泛关注。风机和水轮机互补发电系统结合了两者的优势,能够在不同的自然条件下稳定地输出电能,提高能源利用效率和供电可靠性。本文将详细介绍风机和水轮机互补发电的原理,包括风力发电原理、水力发电原理以及两者互补的机制和优势,并通过相关数学公式进行深入分析。水轮机也有其特定的特性曲线,包括流量 - 水头曲线、功率 - 流量曲线等。在不同的水头和流量条件下,水轮机的输出功率会发生变化。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 173

Open3D 模拟退火算法优化的ICP点云配准

传统ICP算法易陷入局部最优且对初始位姿敏感,而SA算法通过概率性接受劣解,能够在高温阶段广泛探索解空间,低温阶段精细收敛。

点云侠的博客 245

PhpSpreadsheet完全指南:纯PHP读写Excel文件的终极选择

PhpSpreadsheet 是一款纯 PHP 编写的电子表格处理库,无需安装 Excel 或任何办公软件,即可在 PHP 项目中**读取和写入 Excel 文件**,支持 XLSX、XLS、ODS、CSV、HTML 等十余种格式。无论你是想生成报表、解析用户上传的 Excel,还是做数据批量处理,它都是 PHP 生态中最成熟的选择之一。本文带你从零上手,快速掌握 PhpSpreadsheet 读

gitblog_01101的博客 712

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

PhpSpreadsheet实战:几行代码在Excel中插入、移动与读取图片

PhpSpreadsheet 是一个纯 PHP 的表格文件读写库,无需安装 Office 就能在代码里操作 Excel。本文将带你用几行代码完成 **Excel 插入图片**、移动图片位置、读取工作簿中的图片,全部基于官方示例与文档验证,新手也能一次跑通 🚀 ## 一、先认识"图片对象":Drawing 与 MemoryDrawing 在 PhpSpreadsheet 中,工作表里的图片由

gitblog_00861的博客 446

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

php excel添加图片,PHP读取Excel内的图片(phpspreadsheet和PHPExcel扩展库)

今天接到了一个从Excel内读取图片的需求,在网上查找了一些资料,基本实现了自己的需求,不过由于查到的一些代码比较久远,不能直接移植到自己的项目里,需要稍加改动一下。这里介绍一下分别使用phpspreadsheet和PHPExcel扩展库来实现读取Excel内图片的功能:PHPSpreadsheet首先安装phpspreadsheet,由于线上服务器PHP版本是PHP5.6,所以需要安装兼容PHP...

weixin_32506617的博客 1369

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

php表格输出图片,PhpSpreadsheet 导出图片到 Excel

之前使用的是PHPExcel来做PHP程序的数据导出,但是ThinkPHP5版本就改成了PhpSpreadsheet,文档因为是英文的所以看不太懂,今天解决的是PhpSpreadsheet 导出图片到 Excel。代码1:/*** [export 导出数据]*/public function export() {//查询数据$data = $this->model->field('id...

weixin_42501919的博客 1094

phpspreadsheet excel导入导出

Spout是一个PHP库,可以快速,可扩展的方式读写电子表格文件(CSV,XLSX和ODS)。 与其他文件读写器相反,它能够处理非常大的文件,同时保持内存使用率非常低。 phpspreadsheet是phpexcel的下一个版本。它打破了兼容性,大大提高了代码基础质量(名称空间、PSR兼容性、使用最新的PHP语言功能等)。因为所有的努力都转移到了phpspreadsheet,phpexcel将不...............

hudeyong926的专栏 6582

php使用PhpSpreadsheet导出Excel表格的实例详解

PhpSpreadsheet 提供了丰富的API接口,可以设置诸多单元格以及文档属性,包括样式、图片、日期、函数等等诸多应用,总之你想要什么样的Excel表格,PhpSpreadsheet都能做到。这篇文章将给大家介绍php使用PhpSpreadsheet导出Excel表格的实例,文中通过代码示例给大家讲解的非常详细,对大家的学习或工作有一定的帮助,需要的朋友可以参考下。PhpSpreadsheet 是一个用纯PHP编写的库,提供了一组类,使您可以读取和写入不同的电子表格文件格式。VERAGE平均数;

Oona_01的博客 946

PhpSpreadsheet导出商品二维码图片到Excel表格

PhpSpreadsheet导出商品二维码图片到Excel表格 2020年06月15日 下午14:29:46 原文链接:http://note.youdao.com/noteshare?id=10f96a59f6ced3167202f0eb8b2b7811&sub=FF0FAD00558142B788636ADAEC4291A2 相信许多的phper已经接触过PhpSpreadsheet了,由于PHPExcel已经不再维护,PhpSpreadsheet是PHPExcel的下一个版本。并且PhpSpr

qq_44304677的博客 2319

php 读取excile,PHP如何读取Excel内的图片(附代码)

今天接到了一个从Excel内读取图片的需求,在网上查找了一些资料,基本实现了自己的需求,不过由于查到的一些代码比较久远,里面一些库方法已经被移除不存在了,所以不能直接移植到自己的项目里,需要稍加改动一下。(推荐学习:PHP视频教程)这里介绍一下分别使用phpspreadsheet和PHPExcel扩展库来实现读取Excel内图片的功能:PHPSpreadsheet首先安装phpspreadshee...

weixin_39675513的博客 517
上一篇: 使用 HTML + JavaScript 实现酒店订房日期选择器(附完整代码)
下一篇: 使用 HTML + JavaScript 实现图片预览(附完整代码)
技术小丁
博客等级 码龄2年 173粉丝 32原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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