C#导出Word,Excel的方法有很多,这次因为公司的业务需求,需要导出内容丰富(文字,表格,图片)的报告,以前的方法不好使,所以寻找新的导出方法,在网上找到了通过模板文件导出Word的方法,记录一下过程.
一:模板的创建
通过模板导出,肯定需要先创建模板,然后顾名思义就是将模板中提前设置好的占位符,通过程序替换为想输出的内容即可;
新建word文件(必须为docx或者dotx文件),放在程序根目录下,在需要位置 插入-文档部件-域,
域名:MacroButton
宏名:DoFieldClick
显示文字:这个自己设置,为了与模板其他文字区分,可以用"[]"括起来.
需要多少替换内容,添加多少域即可.
二:添加项目
在解决方案中添加项目WordMLHelper,在原项目中添加对WordMLHelper的引用后可以直接调用.
WordMLHelper代码地址:http://url.cn/U8VNul
三:调用方法
首先确定模板文件位置和导出文件的生成路径.
private string outputPath = @"C:\Users\zz\Desktop\test1.docx";
1.打开模板文件,获取所有填充域
2 , mubanFile);
3 List<TagInfo> tagInfos = wordMLHelper.GetAllTagInfo(File.OpenRead(templatePath));
2.遍历所有填充域,替换填充域内容
锁定填充域的话,有两种方法,一是根据填充域的提示文字,如"[文字]",二是根据填充域的索引,如if(tagInfos.Seq==2),则是找到索引为2的填充域
2 {
3 //填充域有两种类型,1:段落或图片,2:表格
4 //对填充域填充时需先判断填充域类型
5 if (tagInfos.Tbl == null)
6 {
7 if (string.Equals(tagInfos.TagTips.Trim(), "[文字]"))
8 {
9 TxtInfo txtInfo = new TxtInfo();
10 txtInfo.Content = "已经成功替换";
11 txtInfo.ForeColor = "00ff00";
12 //txtInfo.HightLight = HighlightColor.Blue;
13 tagInfos.AddContent(txtInfo);
14 }
15 if (string.Equals(tagInfos.TagTips.Trim(), "[图片]"))
16 {
17 ImgInfo imgInfo = new ImgInfo();
18 imgInfo.ImgPath = Path.Combine(System.AppDomain.CurrentDomain.BaseDirectory
19 , "./image/a1.jpg");
20 imgInfo.Width = 200;
21 imgInfo.Height = 200;
22 tagInfos.AddContent(imgInfo);
23 }
24 }
25 else
26 {
27 TableStructureInfo tblInfo = tagInfos.Tbl;
28 if (tagInfos.Seq==2)
29 {
30 for (int j = 0; j < 3; j++)
31 {
32 RowStructureInfo row = new RowStructureInfo();
33
34 for (int k = 0; k < 3; k++)
35 {
36 CellStructureInfo cell = new CellStructureInfo();
37 TxtInfo txtInfo = new TxtInfo();
38 txtInfo.Content = "第" + (j + 1) + "大数据导论之为何需要引入大数据 - 张子良 阅读原文»
一、引言
最近各种客户咨询项目中，往往涉及大数据引入必要性和价值意义的深层次挖掘，客户有数据，有平台，但是不知到底要不要上大数据，为何要上大数据和大数据可以带来哪些价值和意义。本文关于大数据的必要性进行阐述，来源实际项目，算是分享吧。
二、突破技术瓶颈
互联网技术催生了大数据时代的来临，大数据时代的数据形态有四大特点：首先数据体量巨大，非结构化数据的超大规模和增长占总数据量的80％至90％，比结构化数据增长快10到50倍；其次、大数据的异构和多样性，比如图片、新闻、博客、微博、微信等，比大更重要的是数据的复杂性，有时甚至大数据中的小数据如一条微博就具有颠覆性的价值；第三，价值密度低，大量的不相关信息，需要沙里淘金；第四，传播速度快，因此，需要实时分析而非批量式分析。
在大数据时代，面对如此海量快速的信息，纯人工监测互联网已经不可行了。自动化舆情软件成为大数据环境下舆情监测和分析的引擎。监测舆情可以设立一些关键词，首先要与自己机构相关，可以包括竞争者或者是合作伙伴，然后要放在特定网络媒体进行搜集。所有“信息碎片”搜集完之后，我们开始聚合信息，判断哪些和产品相关，哪些跟区域相关，哪些跟自己相关。把这些信息进行精确地采集和过滤、炼化分析，包括传播统计和分析(媒介分析、主体传播分布、传播路径分析、传播源头追踪)、敏感(负面)舆情、舆情信息传播趋势分析，预判所收集到舆情信息的未来走势。在此基础上生成舆情简报，舆情简报由系统自动生成，以日或周为单位，对本阶段监测到的舆情进行统计和分析，包括舆情分布、热点舆情排行、负面舆情分析、正面舆情排行等情况。
大数据时代自身的特点决定了我们既面临数据体量巨大的存储压力，同时面临海量数据信息过滤，数据加工、数据分析和平台运算瓶颈。要想突破传统技术瓶颈的约束，我们必须引入大数据技术。
三、摆脱成本枷锁
基于传统模式的舆情分析和历史数据存储，是建立在高性能服务器硬件和昂贵的关系型数据基础之上的。一方面硬件技术掌握在几大IT巨头手中，服务器的性能是以高昂的成本为支撑的；另外一方面硬件基础之上操作系统、应用软件和关系型数据库同样掌握在几大巨头手中，其价格同样不菲。此外规模的扩展、软件的升级和每年的服务费用也是非常昂贵。
基于互联网技术发展起来的大数据，以开源框架Hadoop、HBase为基础，以Hive、Sqoop、Pig、Flume等软件为工具，建立在X86-PC服务器和开源Linux操作系统之上。一方面硬件成本得以降低、另外一方面再无须为操作系统和应用软件支付高昂的Licence费用。可以说大数据技术将使我所在很大程度上摆脱传统IT厂商巨额的成本依赖。
四、促进业务创新
这部分涉及具体应用，视行业而定。在此制作一个方向说明：大数据的应用可以衍生新的服务，新的产品。
大数据实施方案咨询和技术交流群：293503507，敬请关注。
本文链接：http://www.cnblogs.com/hadoopdev/p/3508405.html，转载请注明。
没有评论:
发表评论