spring应用导出Excel视图实例

本文介绍如何使用Spring框架中的AbstractExcelView实现数据导出到Excel的功能,包括具体代码实现和配置步骤。

老大叫我把查询出来的数据用Excel的形式导出来!好在Spring in Action中有这个实例!参看了一阵之后,自己写了一个!

 

/**
 *
 */
package com.skywin.simpass.ui.partner;

import java.util.Iterator;
import java.util.List;
import java.util.Map;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

import org.apache.poi.hssf.usermodel.HSSFCellStyle;
import org.apache.poi.hssf.usermodel.HSSFDataFormat;
import org.apache.poi.hssf.usermodel.HSSFRow;
import org.apache.poi.hssf.usermodel.HSSFSheet;
import org.apache.poi.hssf.usermodel.HSSFWorkbook;
import org.springframework.web.servlet.view.document.AbstractExcelView;

import com.skywin.simpass.db.domain.PartnerTranSum;

/**
 * 数据到处到Excel中
 *
 * @author lixf
 * @created on Dec 19th 2008 10:00 AM
 *
 */
public class PartnerTransSumListExcelView extends AbstractExcelView {

    protected void buildExcelDocument(Map model, HSSFWorkbook wb,
            HttpServletRequest request, HttpServletResponse response)
            throws Exception {

        //设置导出格式,导出默认文件名和编码
        String contentType = "application nd.ms-excel;charset=UTF-8";
        response.setContentType(contentType);
        response.setHeader("Content-disposition", "attachment; filename="
                + java.net.URLEncoder.encode("PartnerTransSum.xls", "UTF-8"));
       
        List allPartnerTransSums = (List) model.get("allPartnerTransSums");

        HSSFSheet sheet = wb.createSheet("Partner Transaction Summary");
        HSSFRow header = sheet.createRow(0);

        header.createCell((short) 0).setCellValue("ID");
        header.createCell((short) 1).setCellValue("Parnter ID");
        header.createCell((short) 2).setCellValue("Transaction Total Quality");
        header.createCell((short) 3).setCellValue("Transaction Total Money");
        header.createCell((short) 4).setCellValue("Transaction Summary Date");

        HSSFCellStyle cellStyle = wb.createCellStyle();
        cellStyle.setDataFormat(HSSFDataFormat.getBuiltinFormat("m/d/yy h:mm"));

        int rowNum = 1;

        for (Iterator iter = allPartnerTransSums.iterator(); iter.hasNext();) {
            PartnerTranSum pts = (PartnerTranSum) iter.next();

            HSSFRow row = sheet.createRow(rowNum++);
            row.createCell((short) 0).setCellValue(pts.getPartnerSumId());
            row.createCell((short) 1).setCellValue(pts.getPartnerId());
            row.createCell((short) 2).setCellValue(pts.getTransQuantity());
            row.createCell((short) 3).setCellValue(pts.getSum());
            row.createCell((short) 4).setCellValue(pts.getSumDate());
            row.getCell((short) 4).setCellStyle(cellStyle);
        }

        HSSFRow row = sheet.createRow(rowNum);
        row.createCell((short) 0).setCellValue("TOTAL:");
        String formula = "SUM(F2:F" + rowNum + ")";
        row.createCell((short) 5).setCellFormula(formula);
    }

}

 

AbstractExcelView是Spring视图导出里面封装好了的一个类:继承它,然后重写buildExcelDocument方法即可!

 

 

控制器方法:

public ModelAndView partnerTransSumExport(HttpServletRequest request,
            HttpServletResponse response) throws Exception {
        List allPartnerTransSums = (List) request.getSession().getAttribute(
                "allPartnerTransSums");
        return new ModelAndView(documentView, "allPartnerTransSums",
                allPartnerTransSums);
    }

 

 

配置文件:

<!-- Excel View -->
    <bean id="excelView"
        class="com.skywin.simpass.ui.partner.PartnerTransSumListExcelView" />

 

<bean id="partnerTransSumController"
        class="com.skywin.simpass.ui.partner.PartnerTransSumController"
        scope="prototype">
        <property name="methodNameResolver">
            <ref bean="paraMethodResolver" />
        </property>
        <property name="partnerTransSumService">
            <ref bean="partnerTransSumManager" />
        </property>
        <property name="documentView">
            <ref bean="excelView"/>
        </property>
    </bean>

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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