Java 嵌入 SPL 輕松實現 Excel 文件合并

大多數JAVA程序猿都選擇使用POI或者HSSFWorkbook等第三方類庫來實現Excel自動化合并，這樣一來不僅需要噼里啪啦的敲好多代碼，費事費力，而且用起來靈活度也不高，對Excel的格式要求也很嚴格。如果能有一個專用的外部數據工具，寫簡單類似SQL的腳本來實現，然后在JAVA中直接調用并返回結果集，就再好不過了。潤乾集算器就是這樣的機制，通過使用JDBC調用SPL腳本，使用起來方便快捷，下面就來學習下具體如何使用。

SPL實現

常規合并：

A.  同一個 excel 中的多個Sheet表合并

下面的例子是一個包含了銷售數據的 excel 文件，其中包含了按月劃分的 3 個結構相同的 sheet 工作表，數據如下：

January_2013:

February_2013:

March_2013:

在合并3個Sheet的同時，我們還可以同時從每個sheet中篩選出字段Customer Name, Sale Amount。最后的效果如下：

SPL 腳本：

保存腳本文件oneExcel.dfx(嵌入Java會用到)

腳本說明：

A1: 打開指定的 excel 文件，創建一個由多個 sheet 工作表組成的序列。

A2：利用 conj 函數遍歷 A1 序列中所有的成員工作表，導入每個工作表中指定列'Customer Name','Sale Amount'，并將數據并合并。其中 xlsimport 函數導入指定列，最后一列用分號; 隔開。 參數~.stname表示指定當前工作表，由于在 conj 函數的循環中，所以就可以逐個導入所有工作表。同時，xlsimport 使用選項@t指明將工作表的第一行記錄作為字段名。

A3: 將序表 A2 作為一個新的工作表“merge_sheets”保存到原來的 excel 文件中，同樣用選項 @t 指明首行記錄為標題。

這段腳本只有三句話，短小精干之余，邏輯清晰，也比較容易理解。下面我們再看看如何合并多個文件中的多個工作表。

B.  不同 excel 中的多表合并

下面是要合并的多個 excel 文件，它們都具有和上面例子相同的表結構，每個文件記錄了當年的數據：
SPL 腳本：

合并后的結果如下：

保存腳本文件MergeExcels.dfx(嵌入Java會用到)

腳本說明：

A1: 通過 for 循環，遍歷指定目錄下的 excel 文件，在 B1 到 B3 之間進行循環內處理。

B1：打開目錄下的一個 excel 文件，生成序列。

B2：導入當前文件中的每個 sheet 工作表中指定列'Customer Name','Sale Amount'，'Purchase Date'的數據，然后合并這些數據，與前面例子中的 A2 類似。

B3：將序表 B2 的數據與 @表示的本網格的值進行合并。

A4：將序表 B3 保存到result.xlsx文件中的 merge_data 工作表中。

上面程序用兩個循環就實現了多個 excel 文件數據合并，外循環 for 遍歷了目錄下所有的 excel 文件，內循環B1.conj則合并每個excel文件中的多個sheet工作表的數據。

C.  合并出大文件

前面第一個例子中的 A2、第二個例子中的 B3 都是在內存中裝載了合并后的 Excel 的所有數據，然后一次性寫出。如果文件太多太大，那么對內存的占用也會很大，甚至超出內存允許的范圍。為此，我們可以在SPL腳本中采用流式追加的方式生成大文件。

SPL腳本：

合并后的效果如下：

保存腳本文件BigExcel.dfx(嵌入Java會用到)

腳本說明：

A1：打開指定輸出的文件。

A2：遍歷目錄下需要合并的 excel 文件。

B2：打開一個需要合并的 excel 文件。

B3：如果輸出文件不存在，讀取 sheet 工作表的所有數據，包括標題行；如果輸出文件已經有了，就通過 @t 選項指明第一行是標題，從第二行開始讀取數據。

B4：將 B3 讀取的數據以流式追加到 A1 指定的輸出文件的 merger 工作表中。

通過流式逐個讀取文件數據后追加寫入，這個方式適合將大量小的 excel 文件合并成一個大的 excel 文件。

JAVA調用

SPL嵌入到Java應用程序十分方便，通過JDBC調用存儲過程方法加載，用同一個excel中的多個Sheet表合并保存的文件OneExcel.dfx，示例調用如下：

...
Connection con = null;
Class.forName("com.esproc.jdbc.InternalDriver");
con= DriverManager.getConnection("jdbc:esproc:local://");//調用存儲過程，其中OneExcel是dfx的文件名
st =(com. esproc.jdbc.InternalCStatement)con.prepareCall("call OneExcel()");//執行存儲過程
st.execute();//獲取結果集
ResultSet rs = st.getResultSet();
......
Connection con = null;
Class.forName("com.esproc.jdbc.InternalDriver");
con= DriverManager.getConnection("jdbc:esproc:local://");//調用存儲過程，其中OneExcel是dfx的文件名st =(com. esproc.jdbc.InternalCStatement)con.prepareCall("call OneExcel()");//執行存儲過程st.execute();//獲取結果集ResultSet rs = st.getResultSet();
...

替換成MergeExcels.dfx/BigExcel.dfx是同樣的道理，只需call MergeExcels()或者call BigExcel()即可。這里只用 Java 片段粗略解釋了如何嵌入 SPL，詳細步驟請參閱Java 如何調用 SPL 腳本，也非常簡單，不再贅述。同時，SPL 也支持 ODBC 驅動，集成到支持 ODBC 的語言，嵌入過程類似。

拓展節選

關于Excel文件的處理除了像上面講的普通合并外，還可以在SPL腳本中對匯總后的結果分組去重，然后再將結果集導出。

分組匯總

下面繼續以前面的銷售數據 excel 文件為例。

根據某個字段或多個字段實現分組計算，SPL 腳本如下：

A3的效果：

 A4的效果：

腳本說明：

A1: 打開指定的 excel 文件。

A2：讀取并合并文件中所有 sheet 工作表的數據。

A3：在合并后的數據上按字段 'Customer ID' 分組求銷售額、平均值。

A4：在合并后的數據上按字段 'Customer ID', 'Purchase Date' 分組求銷售額。

集算器在進行分組聚合時還可以和相鄰數據行對比，在原數據已經有序時可以不再排序，從而節省時間，并保持原有的次序。假設原數據已經按日期排序，我們想按月份分組統計時，代碼如下。

SPL 腳本：

A5 分組效果：

A6 分組效果：

腳本說明：

A1至B3: 在前面的例子中已經介紹，將同一目錄下所有相同結構的 excel 文件的工作表進行合并。

A4：在序表 B3 的基本上重新構造了一個序表 A4，將日期拆分，新增年、月字段。

A5：groups 跨年度按月分組匯總銷售額、平均值。

A6：groups@o 按年月分組匯總銷售額、平均值, 帶參數 @o 實現分組歸并處理。

其中，A4 為數據記錄明細；A5 按月統計, 不區分年；A6 則按年月統計。這三個單元格中的數據展現出了不同層次的合并匯總結果。

將要統計的數據按條件分成幾段，統計各組的情況。

SPL 腳本：

分組效果：

代碼說明：

步驟A1到 B3 之間參考前面例子的說明。

A4：字段'Sale Amount'金額的范圍分成 5 段，然后累計求出各段的數量及總數。

不過，這樣的寫法不夠方便，如果我們想調整分段方案，就需要修改 groups 函數的參數，而這個參數表達式還是比較復雜的。這時，我們還可以利用集算器中另一個 pseg 函數，更方便地實現這個功能，腳本如下：

當然，我們也可以根據需要，按不同字段不同要求進行分組，然后進行統計處理。例如，在統計班級考生成績時，各科成績可劃分成優、良、中、差、及格的分數區段，一次為條件進行統計。groups 用法還有很多，可以參考函數手冊中相應的章節。

前面的例子中，要讀取的 excel 文件都不能很大，也就是都能一次讀進內存。手工處理大文件，也會有類似的要求，因為同時打開多個文件，意味著把這些文件都裝入內存，很可能會超過機器的物理內存，而用 VBA 讀取的情況也差不多。這時，我們就需要用流式的方法讀取數據，不需一次讀進內存，而是邊讀取邊合并。 

SPL 腳本：

篩選分組的效果：

代碼說明：

A1: 使用 @r 選項指明以流式打開 excel 文件。

A2：遍歷 excel 中的 sheet 工作表。

B2：使用 @c 選項指明以游標方式導入數據。

B3：將游標B2匯集到B3序列中。

A4：將游標序列B3的成員合并到一起組成新的游標。

B4：序列A4按‘Customer ID’分組累計‘Sale Amount’。

A5：將結果保存。

通過游標以流的方式循環從大文件中讀取一段段數據，實現對數據的分組合并。

去重處理

實際數據合并過程中，往往會出現數據重復的現象，重復數據肯定會影響到我們對數據的計算分析。下面介紹使用集算器 SPL 腳本去除重復數據的幾種主要解決方法。

sales_2013中的數據，設其主鍵為’Invoice Number’，則根據主鍵去掉重復記錄。

合并去重后的數據：

代碼說明：

A1: 打開指定的 excel 文件。

A2：導入 sheet 工作表中指定列的數據。

A3：將序表 A2 按主鍵'Invoice Number'分組去重處理, 其中參數 @1 表示取每一個分組的第一條記錄組成排列后返回（注意是數字 1，不是字母 l）。

A4：將結果保存。

各個 sheet> 中的數據是唯一的，但合并的數據不一定是唯一的，因此采用主鍵方式去掉重復數據。

根據數據表 sales_2013 中的某字段去重處理, 查看不同姓名的雇員記錄.

代碼說明：

A1: 打開指定的 excel 文件。

A2：導入 sheet 工作表中指定列的數據。

A3：從序表 A2 中獲取不重復姓名的記錄。

A4：從序表 A2中獲取不重復姓名的記錄列表。

A5：將序表 A4 另存，首行記錄為標題。

A3 數據去重結果：

A4 數據去重結果：

有的記錄雖然有主鍵，但判斷是否為重復的記錄，需要用其它幾個字段來確定，此時用多個字段聯合來確定是否有重復記錄.

代碼說明：

A1: 導入指定 excel 文件的數據。

A2：同上。

A3：按字段 'Customer ID', 'Purchase Date' 合并序表 A1，A2，返回序表 A3。

A4：序表 A3 按 'Customer ID', 'Purchase Date' 分組去重。

A5：將結果保存。

當然，也可以根據需要，參考更多的字段進行分組合并，去掉重復記錄。

解決要合并的每個文件中的記錄本身是不重復的，但合并后可能存在重復記錄。

代碼說明：

A1: 導入 excel 文件的數據。

B1：根據字段'Invoice Number'去掉序表 A1中的重復數據。

A2、B2：同上

A3：合并序表 B1，B2 的數據，并去掉重復數據記錄返回序表 A3。選項 @u 表示序表成員按順序合并到一起組成新的序表, 去掉重復的記錄。

B3：查看合并后的數據記錄數。

merge@u適合對多序表合并處理, 其中序表內部有序且無重復數據。

總結

使用SPL處理同構/異構excel 多文件合并、分組匯總數據及數據去重時，都是只要把需要合并的字段讀成集算器的集合對象就可以了。學會了用這種專業數據處理工具，不僅能合并 Excel 文件, 合并其他文本數據方法也是一致的，再也不用擔心合并數據中的多文件、大文件和結構差異問題了。

SPL優勢

• 有庫寫 SQL，沒庫寫 SPL

用Java程序直接匯總計算數據，還是比較累的，代碼很長，并且不可復用，很多情況數據也不在數據庫里，有了SPL，就能像在Java中用SQL一樣了，十分方便。

• 常用無憂，不花錢就能取得終身使用權的入門版

如果要分析的數據是一次性或臨時性的，潤乾集算器每個月都提供免費試用授權，可以循環免費使用。但要和Java應用程序集成起來部署到服務器上長期使用，定期更換試用授權還是比較麻煩，潤乾提供了有終身使用權的入門版，解決了這個后顧之憂，獲得方式參考 如何免費使用潤乾集算器？

• 技術文檔和社區支持

官方提供的集算器技術文檔本身就有很多現成的例子，常規問題從文檔里都能找到解決方法。如果獲得了入門版，不僅能夠使用SPL的常規功能，碰到任何問題都可以去乾學院上去咨詢，官方通過該社區對入門版用戶提供免費的技術支持。