使用jxl实现将数据导入Excel表

本文介绍了一种使用jxl库将数据导出到Excel文件的方法。通过具体实例展示了如何从数据库中获取产品信息,并将其逐条写入Excel表格中。
import jxl.Workbook
import jxl.Sheet
/**
* 使用jxl实现将数据导入Excel表
*/
class ExcelExportController {
/**
* 用FORM提交请求action=exportData
*/
def exportData = {
def products = Products.list() //导出产品表数据
if (products?.size() > 0) {
render '没有数据'
return
}
def myParams = [:]
myParams.fileName = "产品表"
myParams.sheetName = "产品表"
myParams.rowData = products
myParams.response = response
myParams.columnNames = ['产品ID','产品名','产品类型','产品价格'] //字段名
excelExport(response, myParams) {wsheet, rowData-> //{sheet, rowData->......}作为闭包传给excelExport()方法
rowData.eachWithIndex {object, index->
jxl.write.Label wlabelContent
/**
* 产品ID
*/
wlabelContent = new jxl.write.Label(0, index + 1, object.id)
wsheet.addCell(wlabelContent)
/**
* 产品名
*/
wlabelContent = new jxl.write.Label(1, index + 1, object.productName)
wsheet.addCell(wlabelContent)
/**
* 产品类型
*/
wlabelContent = new jxl.write.Label(2, index + 1, object.productType)
wsheet.addCell(wlabelContent)
/**
* 产品价格
*/
wlabelContent = new jxl.write.Label(4, index + 1, object.productPrice)
wsheet.addCell(wlabelContent)
}
}
}

/**
* closure闭包指向excelExport(response, myParams)后面的代码
*/
def excelExport(response, params, Closure closure) {
def fileName = new String("${params.fileName}".getBytes("UTF-8"),"8859_1")
def os = response.getOutputStream()
response.reset()
response.setHeader("Content-disposition", "attachment;filename=${fileName}.xls")
response.setContentType("application/msexcel")
jxl.write.WritableWorkbook wbook = Workbook.createWorkbook(os)
jxl.write.WritableSheet wsheet = wbook.createSheet("${params.sheetName}", 0)
params.columnNames.eachWithIndex {object, index->
jxl.write.Label wlabel0
wlabel0 = new jxl.write.Label(index, 0, object) //index:列号 0:行号 object:字段名
wsheet.addCell(wlabel0)
}
closure(wsheet, rowData) //闭包调用,把产品表中的数据写到sheet里
try {
wbook.write()
response.flushBuffer()
wbook.close()
os?.close()
} catch (Exception e) {
println "exception"
}
}
}
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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