利用SparkSQL读写Excel数据

一点前言

直接来说，这种很多程序员的梦想~
撸了大半辈子的代码，号称可以把宇宙Coding出来，结果到了Excel这块卡主了。我就是想写SQL去查Excel，不喜欢记住那么多Excel操作!
好在，我们这个世界变化很快，Excel新的版本号称是支持python的，也准备支持js，不过有个问题是当年一直追随window的程序员因为技术提升有了Mac了，新版本的office目测还收费,en~
我在玩Spark的时候发现可以搞Excel，秃秃的脑袋瓜一转~~

起手

不得不说真需要狠狠感谢这个开源的世界，以及基础环境的搭建人员。
首先，我们看到了一个github上面的开源项目：spark-excel
其次，在github网络不通的背景下，我们找到了gitee上面的镜像地址：可用的地址，剩下的工作我们就是调通。

引入

这个其实是一个sbt下的工程，所以我们可以直接用maven引入

  <dependency>
             <groupId>com.crealyticsgroupId>
             <artifactId>spark-excel_2.11artifactId>
             <version>0.11.1version>
        dependency>

当然，根据Scala版本的不同可以有不一样的配方

Scala 2.12

groupId: com.crealytics
artifactId: spark-excel_2.12
version: <spark-version>_0.14.0

Scala 2.11

groupId: com.crealytics
artifactId: spark-excel_2.11
version: <spark-version>_0.14.0

如果还有特殊版本，公司内部版本，源码编译方式也是提供了。

起手

上手自然先准备一把Excel数据，先弄一个excel的数据表格

数据ready，我们进行编码,初始化之类的跳过，需要读取excel的话首先要构建schema,这个是后面读取数据需要的列

 //定义数据结构
    val schema = StructType(List(
      StructField("id", StringType, nullable = false),
      StructField("name", StringType, nullable = false),
      StructField("age", IntegerType, nullable = false),
      StructField("gender", StringType, nullable = false),
      StructField("cls", StringType, nullable = false)))

读取数据

val df = spark.read
      .format("com.crealytics.spark.excel")
      .option("dataAddress", "'学生信息'!A2:E6")
      .option("useHeader", "false") 
      .schema(schema)
      .load(filePath)
      df.show()

代码执行，结果如下:

读取的时候有挺多配置的，适宜各种场景下需要定制化执行,关键配置进行说明

配置项	说明
dataAddress	学生信息’!A2:E6，这个表示的其实是Sheet中表格的范围，我指定的是A2到E6表示的其实是一个对角线的区域
useHeader	必须，是否使用表头，false的话自己命名表头（_c0）,true则第一行为表头

更多配置的话参考源码中的文档或者看源码也是可以的。

实战

目标：前面有一个学生表，我们再搞一个班级表

我们目标是把学生对应的班主任合并到一个sheet里面去。
我们增加一个对班级读取的df

 val clsSchema = StructType(List(
      StructField("cls_id", StringType, nullable = false),
      StructField("cls_addr", StringType, nullable = false),
      StructField("headteacher", StringType, nullable = false)))
 val clsDf = spark.read
      .format("com.crealytics.spark.excel")
      .option("dataAddress", "'班级信息'!A2:C2")
      .option("useHeader", "false")
      .option("treatEmptyValuesAsNulls", "true")
      .option("inferSchema", "true")
      .schema(clsSchema)
      .load(filePath)

      clsDf.show(10)

分别建立自己的表视图

studentDf.createOrReplaceTempView("student")
clsDf.createOrReplaceTempView("cls")

激动人心的撸sql环节就来了

  val sql=
      """
        |select id,name,age,gender,cls,cls_addr,headteacher from
        |student left join cls on student.cls=cls.cls_id
        |""".stripMargin
      spark.sql(sql).show(100)

看一下结果

最后我们把结果写到excel中

 val savefilePath = "D:\\学生信息详情.xlsx"
 val stuDetail = spark.sql(sql)
     stuDetail.write
      .format("com.crealytics.spark.excel")
      .option("dataAddress", "'学生详情'!A1")
      .option("useHeader", "false")
      .option("header", "true")
      .mode("append")
      .save(savefilePath)

效果如下：

通关 ~