当前位置:首页 > AI技术 > 正文内容

Layui表格导出Excel如何自动合并具有相同ID的单元格深度解析|Duuu笔记

admin2周前 (03-31)AI技术21

必须使用 SheetJS 手动构造合并,因 layui.exportFile() 仅支持纯数据导出,无单元格合并能力;需遍历分组计算行范围,设置 ws['!merges'] 并用 XLSX.writeFile 输出真实 .xlsx 文件。

layui table 导出 Excel 时怎么合并相同

id

的行?

layui 自带的

table.exportfile()

不支持单元格合并,导出的是纯数据表格,所有单元格独立存在。想按

id

合并,必须绕过它,自己构造 excel 文件。

为什么不能直接用

table.exportFile()

实现合并?

因为这个方法底层调用的是简单 CSV 或 JSON 转 Sheet 的逻辑,没有 Excel 格式控制能力,更不提供

mergeCells

rowspan

这类操作接口。你传给它的数据是扁平数组,它就原样打出来。

导出格式固定为

.csv

.xls

(非真正的 Excel),不支持样式、合并、公式

即使你提前把数据“拼成”带空字符串的结构(比如第二行

id

设为空),Excel 打开后也不会自动合并——那只是视觉错觉,实际仍是独立单元格

浏览器端无法用原生 JS 操作 Excel 的单元格合并逻辑,必须依赖专门的库

xlsx

+

SheetJS

手动合并

id

单元格的实操要点

推荐用

SheetJS

(即

xlsx

包)生成真实

.xlsx

文件,在写入前手动计算哪些行的

id

相同,然后加

!merges

先用

table.cache['your-id']

拿到当前表格的原始数据(含排序、筛选后结果)

遍历数据,按

id

分组,记录每组起始行索引和长度(注意:Excel 行号从 1 开始,JS 数组从 0 开始,要 +1)

构建

ws['!merges'] = [ { s: { r: 0, c: 0 }, e: { r: 2, c: 0 } } ]

这样的合并区域数组,

r

是行,

c

是列(

id

在第 0 列就填

c: 0

XLSX.utils.aoa_to_sheet()

转二维数组,再挂上

!merges

,最后

XLSX.writeFile()

示例关键片段:

独响

一个轻笔记+角色扮演的app

下载

const data = table.cache['demo']; // 假设你的 table id 是 demo

const merges = [];

let i = 0;

while (i < data.length) {

const startRow = i;

const idVal = data[i].id;

while (i < data.length && data[i].id === idVal) i++;

const endRow = i - 1;

if (endRow > startRow) {

merges.push({

s: { r: startRow + 1, c: 0 }, // +1 因为第 0 行是表头

e: { r: endRow + 1, c: 0 }

});

}

}

const ws = XLSX.utils.aoa_to_sheet([['ID', 'Name', 'Time'], ...data.map(d => [d.id, d.name, d.time])]);

ws['!merges'] = merges;

XLSX.writeFile(ws, 'merged.xlsx');

容易被忽略的细节和坑

合并不是“看起来一样就行”,Excel 解析和打印行为对合并区域很敏感。

!merges

中的行列索引必须严格连续,不能重叠、不能交叉,否则 Excel 打开报错或显示异常

表头行(第 0 行)不能参与合并,否则

s.r

写成 0 就会把表头也卷进去

如果表格启用了

scrollbar

或虚拟滚动,

table.cache

可能只含当前页数据——得确认你导出的是全量还是当前页

合并只作用于单列;若需多列(如

id

name

同时合并),要分别计算每列的合并区间,并确保它们对齐,否则 Excel 会拒绝打开文件

真正麻烦的不是写代码,而是校验合并逻辑是否覆盖所有边界情况:空数据、单条数据、跨页分组、ID 为 null/undefined……这些地方一漏,导出来的 Excel 就打不开。

相关文章

【大模型应用开发

二、大模型的泛化与微调 模型的泛化能力:是指一个模型在面对新的、未见过的数据时,能够正确理解和预测这些数据的能力。在机器学习和人工智能领域,模型的泛化能力是评估模型性能的重要指标之一。...

LLM介绍

。LLM 被证明在使用指令形式化描述的未见过的任务上表现良好。这意味着 LLM 能够根据任务指令执行任务,而无需事先见过具体示例,展示了其强大的泛化能力。 :小型语言模型通常难以解决涉...

【DL】2023年你应该知道的 10 大深度学习算法

3. 循环神经网络 (RNN) 4. 生成对抗网络 (GAN) 5. 径向基函数网络 (RBFN) 6. 多层感知器 (MLP) 7. 自组织图 (SOM)...

一文讲清神经网络、BP神经网络、深度学习的关系

人工神经网络中的顶级代表。往往说《神经网络》就是指《BP神经网络》。 大家研究着各种神经网络,研究得不亦乐乎, 来了两个家伙Romelhart 和Mcclelland,...

什么是人工智能 ?

您可以使用 ML 训练 AI,使其精确、快速地执行任务。这可以通过自动化员工感到吃力或厌烦的业务部分来提高运营效率。同样,您可以使用 AI 自动化来腾出员工资源,用于更复杂和更具创造性的工作。...

几种主要的神经网络

卷积神经网络的输入为二维的像素整阵列,输出为这个图片的属性,当网络训练学习后,所输入的图片或许经过稍微的变换,但卷积神经网络还是可以通过识别图片局部的特征而将整个图片识别出来。 :该层...

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。