在项目开发过程中，读取excel文件，可能存在几百或几百万条数据内容，那么对于大型文件来说，我们应该如何思考对于大型文件的读取操作以及性能的注意事项。
第一步：安装
npm install papaparse第二步：内容的引入
import Papa from 'papaparse';
import { useState } from "react";
export default function App() {
const [results,setResults] = useState([]); //保留解析后的数据
const handleFile = (e) => {
const file = e.target.files[0];
Papa.parse(file,{
header:true, //指定第一行为标题行
skipEmptyLines:true, //跳过空行
complete:(parsedResult) => {
const data = parsedResult.data;
console.log(data) // 在控制台打印解析后的数据
}
})
};
return (
<div>
<h1>本地读取Excel文件并进行数据压缩传递到服务器</h1>
<input type="file" onChange={handleFile} accept='.csv' />
</div>
)
}当我们上传的数据为百万条数据的时候，数据量是非常的庞大的，那么如果将数据传输到服务器上，将会对http的请求资源产生极大的浪费。所以我们考虑使用第三方类库pako进行数据的压缩。
对于pako，可以查看以下文章进行一个了解 ：https://github.com/nodeca/pako
第三步：pako安装
npm install pako第四步：在组件中进行pako引入且对数据进行gzip的压缩
import pako from "pako";引入之后，将我们获取到的数据进行gzip的压缩
// gzip压缩
const gzip = pako.gzip(JSON.stringify(data),{to:"string"});
console.log(JSON.stringify(data).length,gzip.length); //打印的则是压缩后的数据信息
//原先的长度为41万，压缩后的长度为4万且发送到后端（以下是改事件的全部代码，gzip的压缩数据也在其内）
const handleFile = (e) => {
const file = e.target.files[0];
Papa.parse(file,{
header:true, //指定第一行为标题行
skipEmptyLines:true, //跳过空行
complete:async (parsedResult) => {
const data = parsedResult.data;
console.log(data) // 在控制台打印解析后的数据
// gzip压缩
const gzip = pako.gzip(JSON.stringify(data),{to:"string"});
console.log(JSON.stringify(data).length,gzip.length); //打印的则是压缩后的数据信息
const response = await fetch("http://localhost:3000",{
method:"POST",
body:gzip,
headers:{
"Content-Type":"application/octet-stream", //数据流的方式进行上传处理
}
});
console.log(response)
}
})
};第五步：后端，后端也需要下载pako进行解压缩处理
const express = require("express");
const bodyParser = require("body-parser");
const cors = require("cors");
const pako = require("pako");
const app = express();
// 使用 cors 中间件处理跨域请求
app.use(cors());
// 使用 bodyParser 中间件解析请求体
app.use(bodyParser.raw({ type: "application/octet-stream", limit: "100mb" }));
// 处理 POST 请求
app.post("/", (req, res) => {
// 获取压缩后的数据
const compressedData = req.body;
// 解压缩数据
const uncompressedData = pako.ungzip(compressedData, { to: "string" });
// 将解压缩后的数据解析为 JSON 对象
const jsonData = JSON.parse(uncompressedData);
// 打印压缩前数据长度，解压缩后数据长度和 JSON 对象长度
console.log(
compressedData.length,
uncompressedData.length,
jsonData.length
);
// 构造响应消息
const msg =
compressedData.length +
" " +
uncompressedData.length +
" " +
jsonData.length;
// 发送响应
res.status(200).send(msg);
});
// 启动服务器，监听端口 3000
app.listen(3000, () => {
console.log("Server started on port 3000");
});执行以上操作后，我们运行项目选择文件，后端返回三条数据
已压缩的长度 未压缩的长度 最终记录的条数
前端也已经返回了response的一个相应数据
第六步：对打印的response进行进一步的处理
console.log(response)
const result = {
success:response.ok.toString(),
status:response.status,
message:response.statusText,
};
setResults(result)第七步：展示到页面上
<h2>结果显示</h2>
<ul>
{results &&
Object.keys(results).map((key) => {
<li key={key}>
{key}:{results[key]}
</li>
})
}
</ul>
第八步：添加一个点击按钮事件切换背景颜色
const toggleBodyBackground = () => {
if(document.body.style.background === "red"){
document.body.style.background = "white";
}else{
document.body.style.background = "red"
}
}
<button onClick={toggleBodyBackground}>change body background</button>当我进行大文件读取的时候会造成主线程的阻塞，那么后续我们可以进行功能的强化，在强化过程中，我们可以去考虑，是不是可以对现有的数据进行拆分，如果是一百多万条数据的时候，我们可以将一百多万条数据进行五万条，五万条的切片处理，然后不断的在后端进行压缩后数据的请求处理，最终可以在服务器端进行对数据的操作，减轻服务器的压力。
第九步：是否可以减轻服务器的压力，以下操作可以进行一个测试
使用console.time('test')开始时间设置和console.timeEnd("test")结束时间设置
const handleFile = (e) => {
console.time('test') //开始时间
const file = e.target.files[0];
Papa.parse(file,{
...............
};
setResults(result)
console.timeEnd("test"); //结束时间
}
})
};
当前的测试时间为18秒左右，耗费时常比较久，那么随后我们会对其进行功能优化处理。
此内容已结束，希望对您有所帮助。