转发转发,困扰我一下午的问题

本文介绍了一种在使用ApachePOI进行大规模Excel文件导出时,优化单元格自适应宽度设置的方法,通过改进的策略,将导出时间从7秒减少至不到0.5秒,同时保持对中文数据的支持。

Excel导出功能大多数用的都是 Apache POI 来进行Excel文件的创建,为了美化导出的 Excel 文件内容,通常会对单元格进行自适应数据长度的处理, Apache POI 提供了 autoColumnWidth(int column) 方法来自适应单元格长度,但我在使用的过程中发现了这个方法具有严重的性能问题,下面来看一个例子

使用程序创建50000个单元格进行性能测试

    public static void main(String[] args){
        HSSFWorkbook wb = new HSSFWorkbook();
        int allTime = 0;
        for(int s=1;s<=3;s++){
            HSSFSheet sheet = wb.createSheet(s+"");
            long time1 = new Date().getTime();
 
            for (int i=0;i<50000;i++){
                String str = "DemoLiu优快云test测试";
                str+= Math.random();
                HSSFRow row = sheet.createRow(i);
                HSSFCell cell = row.createCell(0);
                cell.setCellValue(str);
            }
 
            sheet.autoSizeColumn(0);
            long time2 = new Date().getTime();
            allTime += time2-time1;
            System.out.println("第"+s+"次:"+(time2 - time1));
        }
        System.out.println("平均用了大约"+allTime/3+"毫秒");
    }
运行结果:

第1次:9737
第2次:5878
第3次:6458
平均用了大约7357豪秒
可以看到,仅仅是50000个单元格,使用 autoColumnWidth(int column) 方法就占用了7秒的时间,并且这种设置不支持中文,这对用户来说毫无体验可言,

这是因为这个方法循环了sheet中的每一个单元格,感兴趣的可以看看源码,这里不再贴出,下面给出一种解决方法

    public static void main(String[] args){
        HSSFWorkbook wb = new HSSFWorkbook();
        int allTime = 0;
 
        //创建集合存储字段和最大长度   key:字段 value:单元格最大长度
        Map<Integer,Integer> sizeMap = new HashMap<>();
        sizeMap.put(0,0);
 
        for(int s=1;s<=3;s++){
            HSSFSheet sheet = wb.createSheet(s+"");
            long time1 = new Date().getTime();
 
            for (int i=0;i<50000;i++){
                String str = "DemoLiu优快云test测试";
                str+= Math.random();
                HSSFRow row = sheet.createRow(i);
                HSSFCell cell = row.createCell(0);
                cell.setCellValue(str);
                //筛选单元格最大长度
                sizeMap.put(0,Math.max(sizeMap.get(0), str.getBytes().length));
            }
            //设置单元格长度, 这里要乘上256
             for (Integer i : sizeMap.keySet()) {
                 sheet.setColumnWidth(i,sizeMap.get(i)*256);
             }
 
            long time2 = new Date().getTime();
            allTime += time2-time1;
            System.out.println("第"+s+"次:"+(time2 - time1));
        }
        System.out.println("平均用了大约"+allTime/3+"豪秒");
    }
运行结果:

第1次:412
第2次:141
第3次:692
平均用了大约415豪秒
可以看到,创建50000个单元格用时不到0.5秒,并且支持中文数据自适应单元格长度

另外,我写了一个传入List集合即可生成 HSSFWorkbook,导出Excel 的工具类,已上传到GitHub

传送门-->ExcelUtil.java

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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