使用开源计算引擎提升Excel格式文件处理效率

对Excel进行解析\生成\查询\计算等处理是Java下较常见的任务，但Excel的文件格式很复杂，自行编码读写太困难，有了POI\EasyExcel\JExcel等类库就方便多了，其中POI最为出色。
POI具有全面而细致的xls读写能力

POI可读写多种Excel文件格式，既支持古老的二进制格式（xls），也支持现代的OOXML格式（xlsx），既支持全内存一次性读写，也支持小内存流式读写。POI为大量Excel元素设计了相应的JAVA类，包括workbook、printer、sheet、row、cell，其中，与cell相关的类包括单元格样式、字体、颜色、日期、对齐、边框等。仅单元格样式类，方法就超过了四十个，可进行最全面最细致的读写操作。
POI的读写功能很底层

POI的读写功能全面而细致，但细致也意味着过于底层，开发者必须从头写起，自己处理每一处细节，即使简单的操作也要编写大量代码。比如，读入首行为列名的行式xls：

1. FileInputStream fileInputStream = new FileInputStream("d:\\Orders.xls");
2. // get the excel book
3. Workbook workbook = new HSSFWorkbook(fileInputStream);
4. if (workbook != null) {
5.     // get the first sheet
6.     Sheet sheet = workbook.getSheetAt(0);
7.     if (sheet != null) {
8.         //get the col name/first line
9.         Row rowTitle = sheet.getRow(0); // first line
10.         if (rowTitle != null) {
11.             int cellTitles = rowTitle.getPhysicalNumberOfCells(); // get column number
12.             for (int i = 0; i < cellTitles; i++) {
13.                 Cell cell = rowTitle.getCell(i); //the cell!
14.                 if (cell != null) {
15.                     System.out.print(cell.getStringCellValue() + " | ");
16.                 }
17.             }
18.         }
19.         //get the value/other lines
20.         int rows = sheet.getPhysicalNumberOfRows(); // get line number
21.         for (int i = 1; i < rows; i++) {
22.             Row row = sheet.getRow(i); // get row i
23.             if (row != null) {
24.                 int cells = row.getPhysicalNumberOfCells(); // get column number
25.                 for (int j = 0; j < cells; j++) {
26.                     // line number and row number
27.                     System.out.print("[" + i + "-" + j + "]");
28.                     Cell cell = row.getCell(j); // the cell!
29.                     if (cell != null) {
30.                         int cellType = cell.getCellType();
31.                         Object value = "";
32.                         switch (cellType) {
33.                             case HSSFCell.CELL_TYPE_STRING: // string
34.                                 value = cell.getStringCellValue();
35.                                 break;
36.                             case HSSFCell.CELL_TYPE_BLANK: // 空
37.                                 break;
38.                             case HSSFCell.CELL_TYPE_BOOLEAN: // boolean
39.                                 value = cell.getBooleanCellValue();
40.                                 break;
41.                             case HSSFCell.CELL_TYPE_NUMERIC: // number
42.                                 if (HSSFDateUtil.isCellDateFormatted(cell)) { // date number
43.                                     Date date = cell.getDateCellValue();
44.                                     value = new DateTime(date).toString("yyyy-MM-dd HH:mm:ss");
45.                                 }else { // normal number
46.                                     // change to string to avoid being too long
47.                                     cell.setCellType(HSSFCell.CELL_TYPE_STRING);
48.                                     value = cell;
49.                                 }
50.                                 break;
51.                             case HSSFCell.CELL_TYPE_ERROR:
52.                                 throw new RuntimeException("data type mistaken");
53.                         }
55.                         System.out.println(value);
56.                     }
57.                 }
58.             }
59.             System.out.println("end of the "+i+" line");
60.         }
61.         System.out.println("end of the value lines=======================================");
62.     }
63. }

复制代码

行式xls是最常见的格式，但POI并没有为此提供方便的处理方法，只能按照workbook->sheet->line->cell的顺序进行循环解析，造成了如此繁琐的代码。
这还只是将数据简单读出来，如果下一步想再处理数据，还要事先转为结构化数据对象，比如ArrayList或HashMap，代码就更繁琐了。
POI查询计算困难

解析Excel并不是目标，我们通常还要对这些文件进查询计算，但POI作为Excel的解析类，没有也不合适再提供相关的方法，只能用JAVA手工硬写。比如基础的分组汇总运算，JAVA代码大概这样：

1. Comparator<salesRecord> comparator = new Comparator<salesRecord>() {
2.         public int compare(salesRecord s1, salesRecord s2) {
3.                 if (!s1.salesman.equals(s2.salesman)) {
4.                         return s1.salesman.compareTo(s2.salesman);
5.                 } else {
6.                         return s1.ID.compareTo(s2.ID);
7.                 }
8.         }
9. };
10. Collections.sort(sales, comparator);
11. ArrayList<resultRecord> result=new ArrayList<resultRecord>();
12. salesRecord standard=sales.get(0);
13. float sumValue=standard.value;
14. for(int i = 1;i < sales.size(); i ++){
15.         salesRecord rd=sales.get(i);
16.         if(rd.salesman.equals(standard.salesman)){
17.                 sumValue=sumValue+rd.value;
18.         }else{
19.                 result.add(new resultRecord(standard.salesman,sumValue));
20.                 standard=rd;
21.                 sumValue=standard.value;
22.         }
23. }
24. result.add(new resultRecord(standard.salesman,sumValue));

复制代码

Java编码实现计算不仅繁琐，而且存在架构性缺陷。代码很难复用，数据结构和计算代码通常会耦合在一起，如果数据结构发生变化，代码就要重写。查询计算的要求灵活多变，而Java作为编译型语言，每次修改代码都要重启应用，维护工作量大，系统稳定性差。
POI成熟稳定，但读写能力过于底层，且未提供查询计算能力，直接基于POI完成Excel文件的处理（特别是查询计算）的开发效率很低。如果针对POI进行封装，形成简单易用的高级读写函数，并额外提供查询计算能力，就能大幅度提高开发效率了。
esProc SPL就是其中的佼佼者。
SPL内置高级读写函数

SPL是JVM下开源的计算引擎，它对POI也进行了封装，内置简单易用的高级函数，可解析\生成各类格式规则或不规则的xls，并自动生成结构化数据对象。
解析格式规则的行式Excel，SPL提供了T函数。比如解析前面的xls文件，用封装前的POI要几十行，封装后只要一句：
=T("d:\Orders.xls")
解析行式Excel是很常见的任务，SPL用T函数封装了POI的功能，接口简单易用。无论xls还是xlsx，T函数都可以统一解析。可自动进行类型转换，开发者无须在细节浪费时间。T函数可自动区分首行的列名和其他行的数据，并根据列名创建序表（SPL的结构化数据对象）并填入数据：

读入并解析成序表后，就可以使用SPL提供的丰富的结构化数据处理方法了：
取第3条记录：A1(3)
取后3条记录:A1.m([-1,-2,-3])
取记录的字段值：A1(3).Amount*0.05
修改记录的字段值：A1(3).Amount = A1(3). Amount*1.05
取一列，返回集合：A1.(Amount)
取几列，返回集合的集合：A1.([CLIENT,AMOUNT])
追加记录：A1.insert(200,"APPL",10,2400.4,date("2010-10-10"))
先按字段取再按记录序号取：A1.(AMOUNT)(2)；等价于先按记录序号取再按字段取：A1(2).AMOUNT
解析格式较不规则的行式xls，SPL提供了xlsimport函数，内置丰富而简洁的读取功能：
没有列名，首行直接是数据：file("D:\Orders.xlsx").xlsimport()
跳过前2行的标题区：file("D:/Orders.xlsx").xlsimport@t(;,3)
从第3行读到第10行：file("D:/Orders.xlsx").xlsimport@t(;,3:10)
只读取其中3个列：file("D:/Orders.xlsx").xlsimport@t(OrderID,Amount,OrderDate)
读取名为"sales"的特定sheet：file("D:/Orders.xlsx").xlsimport@t(;"sales")
函数xlsimport还具有读取倒数N行、密码打开文件、读大文件等功能，这里不再详述。
解析格式很不规则的xls，SPL提供了xlscell函数，可以读写指定sheet里指定片区的数据，比如读取第1个sheet里的A2格：
=file("d:/Orders.xlsx").xlsopen().xlscell("C2")
配合SPL灵活的语法，就可以解析自由格式的xls，比如将下面的文件读为规范的二维表（序表）：

这个文件格式很不规则，直接基于POI写Java代码是个浩大的工程，而SPL代码就简短得多：

生成规则的行式xls，SPL提供了xlsexport函数，用法也很简单。比如，上面例子的解析结果是个序表，存在SPL的A1格中，下面将A1写入新xls的第一个sheet，首行为列名，只要一句代码：=file("e:/result.xlsx").xlsexport@t(A1)
xlsexport函数的功能丰富多样，可以将序表写入指定sheet，或只写入序表的部分行，或只写入指定的列：=file("e:/scores.xlsx").xlsexport@t(A1,No,Name,Class,Maths)
xlsexport函数还可以方便地追加数据，比如对于已经存在且有数据的xls，将序表A1追加到该文件末尾，外观风格与原文件末行保持一致：=file("e:/scores.xlsx").xlsexport@a(A1)
不规则片区写入数据，可以使用前面的xlscell函数。比如，xls中蓝色单元格是不规则的表头，需要在相应的白色单元格中填入数据，如下图：

直接用POI要大段冗长的代码，而SPL代码就简短许多：

注意，第6、9、11行有连续单元格，SPL可以简化代码一起填入，POI只能依次填入。
SPL提供足够的查询计算能力

查询计算是Excel处理任务的重点，SPL提供了丰富的计算函数、字符串函数、日期函数，以及标准SQL语法，不仅支持日常的xls计算，也能计算内容不规则的xls和逻辑复杂的xls。
SPL提供了丰富的计算函数，可直接完成基础计算。比如前面的分组汇总，只要一句：
A1.groups(SellerId;sum(Amount))
更多计算：

条件查询：A1.select(Amount>1000 && Amount