对于开发人员来说，终端是最重要的工具之一。掌握终端，能够有效的提升开发人员的工作流程。使用终端，许多日常任务都被简化为了编写简单的命令并按下 Enter 按钮。

本文列举了一系列 Linux 命令，旨在帮助大家充分利用终端这个工具。其中一些终端命令是内置的，其它的则是免费的工具，并且经过测试这些工具可以在不到一分钟内进行安装。

Curl

Curl 是一个命令行工具，用于通过 HTTP(s)、FTP 和数十种其它协议进行请求。使用Curl可以进行文件下载、检查响应标题和自由访问远程数据。

在 Web 开发中，Curl 经常和 RESTful API 一起使用，用于测试连接。

# Fetch the headers of a URL.

curl -I http://google

HTTP/1.1 302 Found

Cache-Control: private

Content-Type: text/html;charset=UTF-8

Referrer-Policy: no-referrer

Location: http://google/?gfe_rd=cr&ei=0fCKWe6HCZTd8AfCoIWYBQ

Content-Length: 258

Date: Wed, 09 Aug 2017 11:24:01 GMT

# Make a GET request to a remote API.

curl http://numbersapi/random/trivia

29 is the number of days it takes Saturn to orbit the Sun.

Curl 命令可能比上述代码更复杂。有许多选项用于控制 headers、Cookie、身份验证等。了解更多，请阅读Everything curl。

Tree

Tree 是一个小型的命令行实用程序，它将目录中的文件以可视化的方式进行显示。它采用递归运行的方式，遍历每个级别的嵌套并绘制所有内容的格式树。这样就能快速的浏览并查找需要的文件。

tree

.

├── css

│ ├── bootstrap.css

│ ├── bootstrap.min.css

├── fonts

│ ├── glyphicons-halflings-regular.eot

│ ├── glyphicons-halflings-regular.svg

│ ├── glyphicons-halflings-regular.ttf

│ ├── glyphicons-halflings-regular.woff

│ └── glyphicons-halflings-regular.woff2

└── js

├── bootstrap.js

└── bootstrap.min.js

还可以使用简单的 regEx 模式来过滤结果：

tree -P '*.min.*'

.

├── css

│ ├── bootstrap.min.css

├── fonts

└── js

└── bootstrap.min.js

Tmux

根据维基的解释，Tmux 是一个终端复用器。通俗的说，它是一个能将多个终端连接到单个终端会话的工具。

Tmux 允许用户在终端中的程序之间切换，添加屏幕窗格，并将多个终端连接到同一个会话，使其保持同步。在远程服务器上工作时，Tmux 特别有用，因为它允许用户创建新的选项卡，而无需再次登录。

du

du 命令用于生成关于文件和目录的空间使用情况的报告。du很容易使用，可以递归地运行，遍历每个子目录并返回每个文件的大小。

du 的常见用例是：当某个驱动器的空间不足，用户不清楚每个存储器的大小。使用此命令可以快速查看每个文件夹所占用的存储空间，从而找到占用最大空间的存储器。

# Running this will show the space usage of each folder in the current directory.

# The -h option makes the report easier to read.

# -s prevents recursiveness and shows the total size of a folder.

# The star wildcard (*) will run du on each file/folder in current directory.

du -sh *

1.2G Desktop

4.0K Documents

40G Downloads

4.0K Music

4.9M Pictures

844K Public

4.0K Templates

6.9M Videos

还有一个相似的命令 df（Disk Free），使用df会返回有关可用磁盘空间的各种信息。

Git

Git 是迄今为止最流行的版本控制系统，也是现代 web 开发的定义工具之一。

Git 有很多第三方应用和工具可以使用，但是大多数人都喜欢通过本地终端访问 git。git CLI 非常强大，可以处理最混乱的项目版本问题。

想了解更多关于 git 的信息，推荐学习“ Learn Git in 30 Minutes”。

Tar

Tar 是用于文件存档的默认 Unix 工具。Tar 允许用户将多个文件快速绑定到一个包中，从而使之更容易存储和移动。

tar -cf archive.tar file1 file2 file3

使用-x选项也可以提取现有的 .tar 档案。

tar -xf archive.tar

请注意，其它大多数格式如 .zip 和 .rar 无法使用 tar 命令打开，要打开 .zip 和 .rar 这样的文件还需要 unzip 这样的命令。

许多现代 Unix 系统都在运行扩展版本的 tar（GNU tar），可以帮助压缩执行文件的大小：

# Create compressed gzip archive.

tar -czf file.tar.gz inputfile1 inputfile2

# Extract .gz archive.

tar -xzf file.tar.gz

如果你的操作系统没有该版本的 tar，则可以使用 gzip，zcat 或 compress 来压缩归档文件的大小。

md5sum

Unix 有几个内置的哈希命令，包括 md5sum，sha1sum 等。这些命令行工具在编程中有很多种应用，但是最重要的功能是它们可以用于检查文件的完整性。

例如，如果从不受信任的源下载了 .iso 文件，那么该文件就有可能包含有害的脚本。为了确保 .iso 是安全的，用户可以从中生成 md5 或其它哈希。

md5sum ubuntu-16.04.3-desktop-amd64.iso

0d9fe8e1ea408a5895cbbe3431989295 ubuntu-16.04.3-desktop-amd64.iso

然后，可以将生成的字符串与原作者提供的字符串（例如UbuntuHashes）进行比较。

Htop

Htop 是创建任务管理器中 top 任务的一个很强大的可选方案。它提供了一个高级界面，具有用于监视和控制系统进程的许多选项。

虽然 Htop 在终端中运行，但是 Htop 对鼠标控件有非常好的支持。这也使得能够更容易地完成导航菜单，选择进程，并组织排序和过滤的任务。

Ln

Unix 中的 Links 类似于 Windows 中的快捷方式，允许用户快速访问某些文件。Links是通过ln命令创建的，有两种类型：hard 或 symbolic。每种都有不同的属性，分别用于不同的对象。

以下是使用链接的示例。假设桌面上有一个名为 Scripts 的目录。它包含了我们通常使用的 bash 脚本。每当我们想要调用脚本之一时，都必须这样做：

~/Desktop/Scripts/git-scripts/git-cleanup

这样显然很不方便，因为每次都要写绝对路径。相反，我们可以创建一个从脚本文件夹到 /usr/local/bin 的符号链接，这样会使脚本更容易执行。

sudo ln -s ~/Desktop/Scripts/git-scripts/git-cleanup /usr/local/bin/

通过创建符号链接，就可以在任何打开的终端中，通过简单地写入名称来调用脚本。

git-cleanup

SSH

使用 ssh 命令，用户可以快速连接到远程主机并登录到其 Unix shell。这也让用户可以直接从本地机器的终端操作远程的服务器，更方便地发出命令。

要建立连接，只需要指定正确的 IP 地址或 URL。第一次连接到新服务器时，会有一些形式的身份验证。

ssh username@remote_host

如果要在服务器上快速执行命令而不进行登录，可以在URL之后添加一个命令。该命令将在服务器上运行，并返回该结果。

ssh username@remote_host ls /var/www

some-website

some-other-website

可以使用 SSH 做很多事情，例如创建代理和隧道、使用私钥保护连接、传输文件等等。了解更多有关ssh。

Grep

Grep 是一个用于在文本中查找字符串的标准 Unix 实用程序。Grep 以文件或直接流的形式进行输入，通过正则表达式运行其内容，并返回所有匹配的行。

在对大文件进行过滤时，使用 Grep 会非常方便。下面我们使用 Grep 和 data 命令搜索来对一个大型日志文件进行搜索，并生成一个仅包含当天错误信息的新文件。

// Search for today's date (in format yyyy-mm-dd) and write the results to a new file.

grep "$(date +"%Y-%m-%d")" all-errors-ever.log > today-errors.log

处理字符串的另一个很强大的命令是 sed，它比 grep 更强大也更复杂，它可以执行几乎任何与字符串相关的任务，包括添加、删除或替换字符串。

Alias

许多 Unix 命令，包括本文中的一些功能，在添加所有的选项后，会是一个很长串的命令。为了使这些很长串的命令更容易记忆，用户可以使用alias 命令来创建简短的别名：

# Create an alias for starting a local web server.

aliasserver="python -m SimpleHTTPServer 9000"

# Instead of typing the whole command simply use the alias.

server

Serving HTTP on 0.0.0.0 port 9000 ...

只要保持终端处于开启状态，该别名将一直可用。为了使别名永久可用，也可以将 alias 命令添加到 .bashrc 文件中。

前端开发工具推荐

SpreadJS 纯前端表格控件是基于 HTML5 的 Java 电子表格和网格功能控件，提供了完备的公式引擎、排序、过滤、输入控件、数据可视化、Excel 导入/导出等功能，适用于 .NET、Java 和移动端等各平台在线编辑类 Excel 功能的表格程序开发。

总结

对于 Web 开发人员来说，如果上述的12个终端命令中，还有你不熟悉的命令，那么就应该通过本文快速的熟悉起来，并逐渐的运用到自己的开发工作中。（作者：葡萄城控件技术团队，出处：开源中国）

关于我们

蓬勃健康发展的CSTP北京基地是大学生、高中学生实训的最佳选择，国内唯一“国字头”互联网+教育工程。基地主设3大专业，电商与新媒体运营、web前端工程师、java软件工程师。

互联网行业的年轻人，他们面对着怎样的职业瓶颈、困惑与未来选择？加入CSTP，让行业专家、技术大牛、教育专家、职业规划专家给你解惑吧！

Java在处理数据量比较大的时候，加载到内存必然会导致内存溢出，而在一些数据处理中我们不得不去处理海量数据，那Java是如何处理大数据的呢？有什么技巧吗？在做数据处理中，我们常见的手段是分解，压缩，并行，临时文件等方法。

例如，我们要将数据库（不论是什么数据库）的数据导出到一个文件，一般是Excel或文本格式的CSV；对于Excel来讲，对于POI和JXL的接口，你很多时候没有办法去控制内存什么时候向磁盘写入，很恶心，而且这些API在内存构造的对象大小将比数据原有的大小要大很多倍数，所以你不得不去拆分Excel，还好，POI开始意识到这个问题，在3.8.4的版本后，开始提供cache的行数，提供了SXSSFWorkbook的接口，可以设置在内存中的行数，不过可惜的是，他当你超过这个行数，每添加一行，它就将相对行数前面的一行写入磁盘（如你设置2000行的话，当你写第20001行的时候，他会将第一行写入磁盘），其实这个时候他的临时文件，以至于不消耗内存，不过这样你会发现，刷磁盘的频率会非常高，我们的确不想这样，因为我们想让他达到一个范围一次性将数据刷入磁盘，比如一次刷1M之类的做法，可惜现在还没有这种API，很痛苦，我自己做过测试，通过写小的Excel比使用目前提供刷磁盘的API来写大文件，效率要高一些，而且这样如果访问的人稍微多一些磁盘IO可能会扛不住，因为IO资源是非常有限的，所以还是拆文件才是上策；而当我们写CSV，也就是文本类型的文件，我们很多时候是可以自己控制的，不过你不要用CSV自己提供的API，也是不太可控的，CSV本身就是文本文件，你按照文本格式写入即可被CSV识别出来；如何写入呢？下面来说说。。。

在处理数据层面，如从数据库中读取数据，生成本地文件，写代码为了方便，我们未必要1M怎么来处理，这个交给底层的驱动程序去拆分，对于我们的程序来讲我们认为它是连续写即可；我们比如想将一个1000W数据的数据库表，导出到文件；此时，你要么进行分页，Oracle当然用三层包装即可，MySQL用limit，不过分页每次都会新的查询，而且随着翻页，会越来越慢，其实我们想拿到一个句柄，然后向下游动，编译一部分数据（如10000行）将写文件一次（写文件细节不多说了，这个是最基本的），需要注意的时候每次buffer的数据，在用outputstream写入的时候，最好flush一下，将缓冲区清空下。

来设置游标的方式，以至于游标不是将数据直接cache到本地内存，然后通过设置statement.setFetchSize(200);设置游标每次遍历的大小；OK，这个其实我用过，oracle用了和没用没区别，因为oracle的jdbc API默认就是不会将数据cache到java的内存中的，而mysql里头设置根本无效，我上面说了一堆废话，呵呵，我只是想说，java提供的标准API也未必有效，很多时候要看厂商的实现机制，还有这个设置是很多网上说有效的，但是这纯属抄袭；对于oracle上面说了不用关心，他本身就不是cache到内存，所以java内存不会导致什么问题，如果是mysql，首先必须使用5以上的版本，然后在连接参数上加上useCursorFetch=true这个参数，至于游标大小可以通过连接参数上加上：defaultFetchSize=1000来设置，

上次被这个问题纠结了很久（mysql的数据老导致程序内存膨胀，并行2个直接系统就宕了），还去看了很多源码才发现奇迹竟然在这里，最后经过mysql文档的确认，然后进行测试，并行多个，而且数据量都是500W以上的，都不会导致内存膨胀，GC一切正常，这个问题终于完结了。

Java在处理大数据的时候还是有一些小技巧的，正确运用这些小技巧，有时候在处理问题时往往会事半功倍。

SpreadJS在V10版本后推出了纯前端的Excel导入导出，这个功能可以很方便的实现客户端的Excel导入导出，但是如果用户需要导入导出到浏览器端又该怎么办呢？其实纯前端的Excel导入导出同样可以实现服务器端的Excel导入导出。下面让我们来看一下是如何实现的：

本示例的后端使用JAVA语言，通过SpreadJS的前端导出导出与JAVA后端结合，实现分从服务器端导入Excel与导出Excel保存至服务器端这两个功能：

从服务器端导入Excel：

这部分使用纯前端实现，纯前端实现有一个弊端就是，浏览器没有权限访问服务器上工程目录以外的路径，所以需要将服务器端的Excel放入工程目录下。然后下载到前端直接打开，核心代码如下：

导出Excel保存至服务器端：

这部分使用前端导出功能与后端java结合的方式来实现，首先通过前端Excel导出，生成导出文件，然后通过formdata来承载导出文件，之后通过ajax将formdata传至后端java。后端java使用文件操作将文件保存至服务器端。

这里有以下需要注意的地方:

formdata没有办法改变enctype，而我们需要的用entype为multipart/form-data类型的form来承载导出文件。这里需要在jsp页面上创建一个空的form，并将其entype设置为multipart/form-data：

之后js中只需要初始化一个该form的formdata实例即可:

var fd = new FormData(document.forms.namedItem("myform"));

以上就是核心的部分代码以及原理。

了解更多

SpreadJS是 Spread 表格开发系列产品之一。该产品是葡萄城公司出品的一系列功能和 Excel 类似的表格工具，支持桌面、Web 和移动平台开发，用于在应用系统中实现 Excel 导入导出、表格数据录入和编辑等交互功能，并提供灵活的定制能力和丰富的数据可视化效果。

Spread 是目前市面上最接近 Excel 的表格开发工具，无论是界面、函数还是布局，都与 Excel 高度接近，正被华为、东软、中国平安、河海大学、中通快递、普华永道、魔方网表、思源软件等企业应用于项目开发中。

除了纯前端的SpreadJS，该系列产品还包括 .NET 平台可用的Spread Studio，和服务器端批量操作Excel的Spread表格组件，敬请登陆官网了解更多：http://gcpowertools/

关于葡萄城

葡萄城成立于1980年，是全球最大的控件提供商，世界领先的企业应用定制工具、企业报表和商业智能解决方案提供商，为超过75%的全球财富500强企业提供服务。葡萄城于1988年在中国设立研发中心，在全球化产品的研发过程中，不断适应中国市场的本地需求，并为软件企业和各行业的信息化提供优秀的软件工具和咨询服务。

声明：本栏目所使用的素材都是凯哥学堂VIP学员所写，学员有权匿名，对文章有最终解释权；凯哥学堂旨在促进VIP学员互相学习的基础上公开笔记。

Java导出Excel表

首先去maven里面下载 upload 1.3.3 版本 下载到你的maven工程里面

上传文件必须是post方法

上传文件同时有表单值的话 你用request.getParame是获得不到的

Java导出Excel表

去maven工厂下载 POI jar包

本篇文章讲的是Excel文件的读写和处理。Excel除了是普通生活中应用广泛的数据处理软件和数据保存格式外，在商业分析中也占有非常大的重量，熟练使用Excel软件是数据分析师很关键的技能点，但这篇笔记不是讲各类Excel函数和快捷键，而是讲Python对Excel的 .xls 和 .xlsx 格式数据的读写和处理。

目录

Excel文件简介Excel文件的读取Excel文件的写入pandas库读写Excel筛选与统计量计算

Excel文件简介

Excel其实相信大家都不陌生，一个 .xls（Excel 2013后默认格式为 .xlsx ）文件是一个工作簿（workbook），包含多个表（worksheet），每个表内数据按照行列进行组织，书中第三章的用词中，“文件”和“工作簿”表示同一个对象。拿本篇笔记用到的示例文件

sales_2015.xlsx 为例：

本篇笔记需要用到两个库： xlrd 和 xlwt，这两个库不是内置模块，但安装了Anaconda集成环境的话，这两个库被包含了，可以通过 import xlrd 和 import xlwt 进行测试，如果提示未安装，可以通过命令行下用pip安装，本处不展开。xlrd用来读取Excel文件，xlwt用于构建Workbook对象进行Excel文件的创建和写入数据。这两个库不能对Excel文件进行直接更改，因此思路是

复制一份数据到内存进行分析计算，再写入新Excel文件中

。需要直接性地修改可以考虑VBA吧，VBA（Visual Basic for Applications）是目前 Office 套件支持的基于 Visual Basic 的宏语言，目前一般在Excel或PPT内进行编程实现高级效果（如Excel数据的批量修改）一般都用VBA，当然以后Office要内置Python了，现在学好Python以后就能很容易理解和定制化Excel的宏了。

Excel文件的读取

通过xlrd库的open_workbook()对Excel数据进行读入。

#lrd读取并输出基本信息# -*- coding: utf-8 -*-def readExcel(fname):from xlrd import open_workbook workbook = open_workbook(fname) print('工作表数量:', workbook.nsheets) for worksheet in workbook.sheets(): #循环输出表名 print("Worksheet name:", worksheet.name, "\tRows:",worksheet.nrows, "\tColumns:", worksheet.ncols)readExcel('sales_2015.xlsx')

输出:

工作表数量: 3Worksheet name: january_2015 Rows: 7 Columns: 5Worksheet name: february_2015 Rows: 7 Columns: 5Worksheet name: march_2015 Rows: 7 Columns: 5

Excel文件的写入

写入要用到 xlwt 库，如下面的代码，创建一个Workbook对象后，通过worksheet.write()写入数据。因为使用with进行处理，所以不需要写close()显式关闭打开的文件。

#读取一些Excel并写入新表def parsingExcToWrite(in_file,out_file):from xlrd import open_workbook from xlwt import Workbook #导入一个 Workbook对象 output_workbook = Workbook() output_worksheet = output_workbook.add_sheet('jan_2015_output') #加一个新工作表到工作簿对象里 with open_workbook(in_file) as workbook: worksheet = workbook.sheet_by_name('january_2015') #引用上面创建的工作表 print('type(worksheet):',type(worksheet)) print('write()传入参数类型:',type(worksheet.cell_value)) for row_index in range(worksheet.nrows): for column_index in range(worksheet.ncols): #枚举写入数据 output_worksheet.write(row_index, column_index, worksheet.cell_value(row_index, column_index)) output_workbook.save(out_file)in_f='sales_2015.xlsx'out_f='save_sales_2015.xlsx'parsingExcToWrite(in_f,out_f) #调用

输出：

type(worksheet):write()传入参数类型:

生成的文件效果如下：

上面写成的函数parsingExcToWrite()就是是一个可以使用在读取、处理、写入的框架，如前所说，这两个库不能直接对Excel进行修改，那么读取相应的数据处理后再写入新表就是很好的解决方案。 下面的处理代码如果需要保存处理后的数据就可以基于这段代码进行扩展。

pandas库读写Excel下面看看用pandas进行Excel读取的操作， 读只需要一句话（引入库的不算在内），pd.read_excel(in_fname)，和前一篇笔记读取csv的格式一样，都是生成dataframe数据格式。写入Excel通过pd.ExcelWriter()构建一个Excel写入对象，再对这个对象操作，最后调用 .save()进行写入到硬盘。

import pandas as pd in_f='sales_2015.xlsx'out_f='save_sales_2015_1.xlsx'data_frame = pd.read_excel(in_f, 'january_2015', index_col=None) #对 data_frame进行一些处理dframe_condition = data_frame[:] writer = pd.ExcelWriter(out_f)dframe_condition.to_excel(writer, sheet_name='sheet_name',index=False) writer.save()print('done')#输出： done

筛选与统计量计算因为pandas可以简化一些操作，并且多练pandas是很有意义很重要的，所以下面筛选和统计量的计算都是基于pandas的处理。

有些时候，我们并不需要 Excel 文件中的所有行，特别是数据量很大但是我们只关心满足一定条件的数据。例如，可能只需要包含一个特定的词数值的那些行，或者只需要那些与一个具体日期相关联的行数据。这时候我们就需要进行筛选，去掉不需要的行，只保留需要的行。下面的代码演示了筛选 Sale Amount 大于 $567.00 的行。我们可以通过改变代码data_frame_value_meets_condition = data_frame[data_frame['Sale Amount'].astype(float) > 567.0] 来筛选行中的值满足某个条件的数据。#import pandas as pd #上面引入了这里就不需要重复引入，如果是独立的文件需要写上这句def valConditionExc(in_file,out_file):data_frame = pd.read_excel(in_file, 'january_2015', index_col=None) data_frame_value_meets_condition = data_frame[data_frame['Sale Amount'].astype(float) > 567.0] writer = pd.ExcelWriter(out_file) data_frame_value_meets_condition.to_excel(writer, sheet_name='jan_15_output',index=False) writer.save()#行中的值匹配于特定模式def valMatchPattern(in_file,out_file): data_frame = pd.read_excel(in_file, 'january_2015', index_col=None) df_value_matp = data_frame[data_frame['Customer Name'].str.startswith("J")] writer = pd.ExcelWriter(out_file) df_value_matp.to_excel(writer, sheet_name='jan_15_output',index=False) writer.save() print(df_value_matp)#选择满足一定条件的特定列数据def selectColByIndex(in_file,out_file): data_frame = pd.read_excel(input_file, 'january_2015', index_col=None) df_col_by_index = data_frame.iloc[:, [1, 4]] writer = pd.ExcelWriter(output_file) df_col_by_index.to_excel(writer, sheet_name='jan_15_output',index=False) writer.save()in_f='sales_2015.xlsx'valConditionExc(in_f,'save_sales_2015_2.xlsx')valMatchPattern(in_f,'save_sales_2015_3.xlsx')

输出：

Customer ID Customer Name Invoice Number Sale Amount Purchase Date0 1234 John Smith 100-0002 123 2015-01-014 5678 Jenny Walters 100-0006 345 2015-01-24

使用 pandas 基于列标题选取特定列，一种方式是在数据框名称后面的方括号中将列名以字符串方式列出。另外一种方式是使用 loc 函数。如果使用 loc 函数，那么需要在列标题列表前面加上一个冒号和一个逗号，表示你想为这些特定的列保留所有行。例如下面的代码：

#import pandas as pd def selectAllColByName(in_file,out_file):data_frame = pd.read_excel(in_file, 'january_2015', index_col=None) selected_columns = data_frame.loc[:, ['Customer ID', 'Purchase Date']] #根据列标题选取特定列 writer = pd.ExcelWriter(out_file) selected_columns.to_excel(writer, sheet_name='jan_13_output',index=False) print(selected_columns) writer.save()in_f='sales_2015.xlsx'selectAllColByName(in_f,'save_sales_2015_4.xlsx')

输出：

Customer ID Purchase Date0 1234 2015-01-011 2345 2015-01-062 3456 2015-01-113 4567 2015-01-184 5678 2015-01-245 6789 2015-01-31

大家可以根据代码的效果区分上上部分代码的data_frame.iloc[:, [1, 4]] 和上面的data_frame.loc[:,

['Customer ID', 'Purchase Date']]

.loc for label based indexing.iloc for positional indexing

数据装入pandas的dataframe之后，除了进行筛选，计算一些统计量也是数据分析很重要的工作，描述性统计给我们提供了很多描述数据的指标，下面的代码为工作表的销售数据计算总数和均值。

#import pandas as pd def getSumAndAverage(in_f):all_worksheets = pd.read_excel(in_f,sheetname=None, index_col=None) workbook_total_sales = [] workbook_number_of_sales = [] workbook_mean_sales = [] for worksheet_name, w_data in all_worksheets.items(): total_sales = pd.DataFrame([float(str(value).strip('$').replace(',','')) for value in w_data.loc[:, 'Sale Amount']]).sum() #算一个表的总体销售额 number_of_sales = len(w_data.loc[:, 'Sale Amount']) workbook_total_sales.append(total_sales) #装入一个列表 workbook_number_of_sales.append(number_of_sales) mean_sales=total_sales/number_of_sales #均值 workbook_mean_sales.append(mean_sales) print(worksheet_name,'\t total:',total_sales[0],'\t num:',number_of_sales,'\t mean:',mean_sales[0])in_f='sales_2015.xlsx'getSumAndAverage(in_f)

输出：

january_2015 total: 3201.0 num: 6 mean: 533.5february_2015 total: 55007.0 num: 6 mean: 9167.83333333march_2015 total: 246045.0 num: 6 mean: 41007.5

一.POI简单介绍

Apache POI 是用Java 编写的免费开源的跨平台的 Java API，Apache POI提供API给Java程式对 Microsoft Office 格式档案读和写的功能

HSSF 提供读写Microsoft Excel XLS格式档案的功能。

XSSF 提供读写Microsoft Excel OOXML XLSX格式档案的功能。

HWPF 提供读写Microsoft Word DOC格式档案的功能。

HSLF 提供读写Microsoft PowerPoint格式档案的功能。

HDGF 提供读Microsoft Visio格式档案的功能。

HPBF 提供读Microsoft Publisher格式档案的功能。

HSMF 提供读Microsoft Outlook格式档案的功能。

二.操作步骤

1.环境配置：导入jar包

org.apache.poi poi 3.16

2.创建一个Excel工作簿

@Test public void test() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel工作蒲.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); }

3.创建一个sheet页

@Test public void sheet() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //创建sheet页面 wb.createSheet("第一个sheet页"); wb.createSheet("第二个sheet页"); //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel工作蒲带有sheet页.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); }

sheet页

4.创建行和列

@Test public void row() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //创建sheet页面 Sheet sheet = wb.createSheet("学生信息sheet页"); //创建一行 Row row = sheet.createRow(0); //创建一个单元格 Cell cell =null; for(int i = 0 ;i<5;i++){ row.createCell(i).setCellValue("写入信息：单元格内容"+i); } //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel学生信息.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); }

5.创建一个时间样式到Excel

@Test public void date() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //创建sheet页面 Sheet sheet = wb.createSheet("时间sheet页"); //创建一行 Row row = sheet.createRow(0); //创建一个单元格 Cell cell = row.createCell(0); cell.setCellValue(new Date()); CreationHelper creationHelper = wb.getCreationHelper(); //设置单元格样式 CellStyle cellStyle = wb.createCellStyle(); cellStyle.setDataFormat(creationHelper.createDataFormat().getFormat("YYYY-MM-DD hh:mm:ss")); cell = row.createCell(1); cell.setCellValue(new Date()); //设置日期样式 cell.setCellStyle(cellStyle); //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel日期格式.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); }

6.单元格对其方式及行高

@Test public void style() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //创建sheet页面 Sheet sheet = wb.createSheet("第一个sheet"); //创建一行 Row row = sheet.createRow(0); //设置行高 row.setHeightInPoints(30); //创建一个单元格 createCell(wb,row,(short)0,HSSFCellStyle.ALIGN_CENTER,HSSFCellStyle.VERTICAL_BOTTOM); createCell(wb,row,(short)1,HSSFCellStyle.ALIGN_JUSTIFY,HSSFCellStyle.VERTICAL_CENTER); createCell(wb,row,(short)2,HSSFCellStyle.ALIGN_CENTER_SELECTION,HSSFCellStyle.VERTICAL_JUSTIFY); //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel样式.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); } /** * 创建一个单元格设置对应的对其方式 * @param workbook 工作蒲 * @param row 行 * @param column 列 */ private static void createCell(Workbook workbook, Row row, short column,short halign,short valign){ Cell cell = row.createCell(column);//创建单元格 cell.setCellValue(new HSSFRichTextString("我是富文本"));//设置值 CellStyle cellStyle = workbook.createCellStyle();//创建样式 cellStyle.setAlignment(halign);//设置单元格水平方向对其方式 cellStyle.setVerticalAlignment(valign);//设置单元格垂直方向对其方式 cell.setCellStyle(cellStyle); }

合并单元格

@Test public void test1() throws IOException { //定义一个工作蒲 Workbook wb = new HSSFWorkbook(); //创建sheet页面 Sheet sheet = wb.createSheet("第一个sheet"); //创建一行 Row row = sheet.createRow(1); //设置行高 row.setHeightInPoints(30); //创建一个单元格 Cell cell = row.createCell(1); cell.setCellValue("合并单元格"); //合并单元格（起始行,结束行,起始列,结束列） sheet.addMergedRegion(new CellRangeAddress(1,2,1,2)); //定义一个输出流 FileOutputStream fileOutputStream = new FileOutputStream("/home/ubuntu/Desktop/Excel样式.xls"); //写入在输出流 wb.write(fileOutputStream); //关闭输出流 fileOutputStream.close(); }

1、介绍

java实现文件的导入导出数据库，目前在大部分系统中是比较常见的功能了，今天写个小demo来理解其原理，没接触过的同学也可以看看参考下。

目前我所接触过的导入导出技术主要有POI和iReport，poi主要作为一些数据批量导入数据库，iReport做报表导出。另外还有jxl类似poi的方式，不过貌似很久没跟新了，2007之后的office好像也不支持，这里就不说了。

2、POI使用详解

2.1 什么是Apache POI？

Apache POI是Apache软件基金会的开放源码函式库，POI提供API给Java程序对Microsoft Office格式档案读和写的功能。

2.2 POI的jar包导入

本次讲解使用maven工程，jar包版本使用poi-3.14和poi-ooxml-3.14。目前最新的版本是3.16。因为3.15以后相关api有更新，部分操作可能不一样，大家注意下。

2.3 POI的API讲解

2.3.1 结构

HSSF － 提供读写Microsoft Excel格式档案的功能。XSSF － 提供读写Microsoft Excel OOXML格式档案的功能。HWPF － 提供读写Microsoft Word格式档案的功能。HSLF － 提供读写Microsoft PowerPoint格式档案的功能。HDGF － 提供读写Microsoft Visio格式档案的功能。

2.3.2 对象

本文主要介绍HSSF和XSSF两种组件，简单的讲HSSF用来操作Office 2007版本前excel.xls文件，XSSF用来操作Office 2007版本后的excel.xlsx文件，注意二者的后缀是不一样的。

HSSF在org.apache.poi.hssf.usermodel包中。它实现了Workbook 接口，用于Excel文件中的.xls格式

常用组件：HSSFWorkbook excel的文档对象HSSFSheet excel的表单HSSFRow excel的行HSSFCell excel的格子单元HSSFFont excel字体HSSFDataFormat 日期格式HSSFHeader sheet头HSSFFooter sheet尾（只有打印的时候才能看到效果）样式：HSSFCellStyle cell样式辅助操作包括：HSSFDateUtil 日期HSSFPrintSetup 打印HSSFErrorConstants 错误信息表

XSSF在org.apache.xssf.usemodel包，并实现Workbook接口，用于Excel文件中的.xlsx格式

常用组件：XSSFWorkbook excel的文档对象XSSFSheet excel的表单XSSFRow excel的行XSSFCell excel的格子单元XSSFFont excel字体XSSFDataFormat 日期格式和HSSF类似;

2.3.3 两个组件共同的字段类型描述

其实两个组件就是针对excel的两种格式，大部分的操作都是相同的。

2.3.4 操作步骤

以HSSF为例，XSSF操作相同。

首先，理解一下一个Excel的文件的组织形式，一个Excel文件对应于一个workbook(HSSFWorkbook)，一个workbook可以有多个sheet（HSSFSheet）组成，一个sheet是由多个row（HSSFRow）组成，一个row是由多个cell（HSSFCell）组成。

3、代码操作

3.1 效果图

惯例，贴代码前先看效果图

Excel文件两种格式各一个：

代码结构：

导入后：（我导入了两遍，没做校验）

导出效果：

3.2 代码详解

这里我以Spring+SpringMVC+Mybatis为基础

Controller:

Service

3.3 导出文件api补充

大家可以看到上面service的代码只是最基本的导出。

在实际应用中导出的Excel文件往往需要阅读和打印的，这就需要对输出的Excel文档进行排版和样式的设置，主要操作有合并单元格、设置单元格样式、设置字体样式等。

3.3.1 单元格合并

使用HSSFSheet的addMergedRegion()方法

参数CellRangeAddress 表示合并的区域，构造方法如下：依次表示起始行，截至行，起始列， 截至列

3.3.2 设置单元格的行高和列宽

3.3.3 设置单元格样式

1、创建HSSFCellStyle

2、设置样式

3、将样式应用于单元格

3.3.4设置字体样式

1、创建HSSFFont对象（调用HSSFWorkbook 的createFont方法）

2、设置字体各种样式

3、将字体设置到单元格样式

大家可以看出用poi导出文件还是比较麻烦的，等下次在为大家介绍下irport的方法。

导出的api基本上就是这些，最后也希望上文对大家能有所帮助。

学习Java的同学注意了！！！学习过程中遇到什么问题或者想获取学习资源的话，欢迎加入Java学习交流群495273252，我们一起学Java！

Java程序员读取和计算excel的程序一般要使用poi或其它开源包，这些开源包对编程的支持较为底层，整体学习成本和操作复杂度都很高。使用集算器辅助java处理excel文件就可以避免这些事务。

下面通过一个例子看一下具体作法：从Excel文件orders.xls中读取订单信息，找出2010年1月1日（含）之后，SELLERID等于18的订单。orders.xls的内容如下：

实现的思路是：用Java程序调用集算器脚本，读取和计算excel文件中的数据，之后将结果以ResultSet的方式返回给Java程序。由于集算器支持动态表达式解析和求值，使得Java程序可以像使用sql那样，灵活的处理数据。

首先，程序员可以将条件“2010年1月1日（含）之后，并且SELLERID等于18的订单。”作为参数where传递给esProc程序，如下图：

where是个字串，其值为：ORDERDATE>=date(2010,1,1) && SELLERID==18。

esProc的程序代码如下：

A2：按照条件过滤。这里使用宏来实现动态解析表达式，其中的where就是传入参数。集算器将先计算${…}里的表达式，将计算结果作为宏字符串值替换${…}之后解释执行。这个例子中最终执行的是：=A1.select(ORDERDATE>=date(2010,1,1) && SELLERID==18)。A1：定义一个file对象，导入excel数据。esProc的集成开发环境可以直观的显示出导入的数据，如上图右边部分。importxls函数也可以读写xlsx文件，它会根据文件扩展名自动判断excel的版本。

A3：将符合条件的结果集返回给java。如果需要将结果写入另外一个excel文件，只要将A3单元格改为：=file("D:/file/orders_result.xls").exportxls@t(A2)。

过滤条件发生变化时不用改变程序，只需改变where参数即可。例如，条件变为：2010年1月1日（含）之后，并且SELLERID等于18的订单，或者CLIENT等于PWQ的订单。Where的参数值可以写为：CLIENT=="PWQ"||ORDERDATE>=date(2010,1,1) && SELLERID==18。执行之后，A2中的结果集如下图：

在Java程序中使用esProc JDBC调用这段程序获得结果的代码如下：（将上述esProc程序保存为test.dfx）：

//建立esProc jdbc连接

Class.forName("com.esproc.jdbc.InternalDriver");

con= DriverManager.getConnection("jdbc:esproc:local://");

//调用esProc程序（存储过程），其中test是dfx的文件名

com.esproc.jdbc.InternalCStatementst =(com.esproc.jdbc.InternalCStatement)con.prepareCall("call test(?)");

//设置参数

st.setObject(1,"ORDERDATE>=date(2010,1,1) && SELLERID==18 || CLIENT==\"PWQ\"");//执行esProc存储过程

ResultSet set =st.executeQuery();

对于代码较简单的脚本，还可以把代码直接写在调用集算器JDBC的Java程序中，而不必专门编写脚本文件（test.dfx）：

ResultSet set = st.executeQuery(

"=file(\"D:/file/orders.xls\").importxls@t().select(ORDERDATE>=date(2010,1,1) && SELLERID==18 || CLIENT==\"PWQ\")");

这段Java代码直接调用了集算器的一句脚本：从Excel文件中取得数据，并按照指定的条件过滤。

前段时间在 github 上发现了阿里的 EasyExcel 项目，觉得挺不错的，就写了一个简单的方法封装，做到只用一个函数就完成 Excel 的导入或者导。刚好前段时间更新修复了一些 BUG，就把我的这个封装分享出来，请多多指教。

附上源码：

https://github/HowieYuan/easyexcel-method-encapsulation

EasyExcel

EasyExcel 的 github 地址：

https://github/alibaba/easyexcel

EasyExcel 的官方介绍：

可以看到 EasyExcel 最大的特点就是使用内存少，当然现在它的功能还比较简单，能够面对的复杂场景比较少，不过基本的读写完全可以满足。

一. 依赖

首先是添加该项目的依赖，目前的版本是 1.0.2。

com.alibabaeasyexcel1.0.2

二. 需要的类

1. ExcelUtil

工具类，可以直接调用该工具类的方法完成 Excel 的读或者写。

2. ExcelListener

监听类，可以根据需要与自己的情况，自定义处理获取到的数据，我这里只是简单地把数据添加到一个 List 里面。

publicclassExcelListenerextendsAnalysisEventListener {//自定义用于暂时存储data。//可以通过实例获取该值private List