
java导出excel大量数据出现错误时解决办法
问题描述:java导出大量数据出现错误:jxl.write.biff.RowsExceededException: The maximum number of rows permitted on a works
问题解释:这个问题实质上就是在导出数据的时候数据的最大值超出了jxl.write包中预设的sheet表格的最大值后者是内存溢出问题,是因为一次性将大量数据载入到内存中,导致虚拟内存不足。
解决的办法:
1、需要注意Excel的行数限制,在导出文件的时候对大数据量导入进行分页处理。
2、将大量数据加载到内存中,会使虚拟内存不足,导致程序无法运行,可以通过增加虚拟内存来解决此问题,但不推荐此方式,建议将大量数据的操作划分成小量数据进行操作。
具体的测试代码如下:
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import jxl.Workbook;
import jxl.write.Label;
import jxl.write.WritableSheet;
import jxl.write.WritableWorkbook;
import jxl.write.WriteException;
public class TestDome {
public static void outputExcelData() throws IOException, WriteException {
/*1、设置写入excel表格的值
* 这里可扩展为在数据中调取的相关的数据*/
List<User> result = new ArrayList<User>();
User user = new User();
user.setId("1");
user.setName("zhangshang");
result.add(user);
User user2 = new User();
user2.setId("1");
user2.setName("shanghai");
result.add(user2);
User user3 = new User();
user3.setId("1");
user3.setName("beijing");
result.add(user3);
/*2、设置文件的名字和导出的位置
* 这里可扩展为服务器地址或者是硬盘地址*/
String fileName = "D://sfData.xls";
/*3、Workbook类的工厂方法创建一个可写入的工作薄(Workbook)对象*/
WritableWorkbook wwb = Workbook.createWorkbook(new File(fileName));
File dbfFile = new File(fileName);
if (!dbfFile.exists() || dbfFile.isDirectory()) {
dbfFile.createNewFile();
}
int totle = result.size();//获取List集合的size
int mus = 2;//每个工作表格最多存储2条数据(注:excel表格一个工作表可以存储65536条)
int avg = totle / mus;
for (int i = 0; i < avg + 1; i++) {
WritableSheet ws = wwb.createSheet("列表" + (i + 1), i); //创建一个可写入的工作表
//添加表头
ws.addCell(new Label(0, 0, "序号"));
ws.addCell(new Label(1, 0, "姓名"));
int num = i * mus;
int index = 0;
for (int m = num; m < result.size(); m++) {
if (index == mus) {//判断index == mus的时候跳出当前for循环
break;
}
User use = (User) result.get(m);
//将生成的单元格添加到工作表中
//(这里需要注意的是,在Excel中,第一个参数表示列,第二个表示行)
ws.addCell(new Label(0, index + 1, use.getId()));
ws.addCell(new Label(1, index + 1, use.getName()));
index++;
}
}
wwb.write();//从内存中写入文件中
wwb.close();//关闭资源,释放内存
}
//测试
public static void main(String[] args) {
try {
outputExcelData();
System.out.println("导出完成!");
} catch (WriteException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}
/**
* Title: 实体类
* Description: TestDemo
* @author cxg
* @date 2016年7月19日 上午10:25:04
*/
public class User {
private String id;
private String name;
public String getId() {
return id;
}
public void setId(String id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
}
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14