Rust赋能前端：纯血前端将 Table 导出 Excel

人的本事靠自己，人的成长靠网络

大家好，我是柒八九 。一个专注于前端开发技术/Rust及AI应用知识分享 的Coder

此篇文章所涉及到的技术有

Rust( Rust接收json对象并解析/Rust生成xml)

WebAssembly

表格合并(静态/动态)

React/Vue表格导出 excel

Rspack

因为，行文字数所限，有些概念可能会一带而过亦或者提供对应的学习资料。请大家酌情观看。

前言

自从上次更文Rust赋能前端: 给我0.02秒，生成一套Vite/Rsbuild前端项目已过去半个月之久了。

不是偷懒和懈怠了。而是年底了，工作有点多。所以，导致更文的速度和频率有点下降。

想必大家在平时业务开发的时候，或多或少都有过将前端页面中的table导出excel的需求。

常规的方案有几种

纯后端处理，也就是发起一个异步任务，然后将 excel生成移步到后端。
- 优点：这种情况，针对那种 数据量大 的情况，是一种可选方案。如果数据过于庞大，我们还可以在用一个 导出页面来展示各种导出任务。(已导出/正在导出...)
- 缺点：我们无法做到导出任务的时效性。当然，我们可以借助 websockt/sse等方案来接收后端的导出结果。但是呢，这种方式无疑增加业务的复杂度。
纯前端处理，我们可以借助一些第三方的库例如 SheetJS [1]来执行数据的导出。
- 优点：导出结果能够及时看到。
- 缺点：处理数据量大的表格，性能就有点慢。同时，比如做一些表格合并(静态/动态)就有点麻烦，然后如果我们想对导出的 excel某些 cell做样式处理，这块也有很大的上手难度。

而，今天呢，我们提供一种方案，用Rust来处理前端表格的导出(excel)。最后的效果就是，我们既可以实时得到导出结果，也能针对大数据表格实现高性能导出。并且还可以实现表格合并(静态/动态)。

运行效果

静态表格

静态长表格(1万条数据)

静态表格合并

动态表格合并

好了，天不早了，干点正事哇。

我们能所学到的知识点

初衷

案例展示

源码解析

TODO

1. 初衷

其实呢，我们公司对于前端表格的导出，是走的纯后端处理的模式。也就是

在前端页面中发起一个异步任务
后端将特定的数据填充到 excel中
后端向前端在返回一个 Blob对象

export?const?exportxxRecord?=?(data)?=>?{ ??return?axiosInstance<Blob>({ ????url:?`xxx`, ????data, ????responseType:?'blob', ????method:?'POST', ??}); };
前端生成一个 a标签来执行下载任务

export?const?downLoad?=?(blob:?Blob,?fileName:?string)?=>?{ ??const?url?=?window.URL.createObjectURL(blob); ??const?a?=?document.createElement('a'); ??a.href?=?url; ??a.download?=?fileName; ??a.click(); ??window.URL.revokeObjectURL(url); };

但是呢，最近接到一个需求。这个需求可谓是Buff叠满。

表格列( columns)是动态生成的
表格数据也是动态的(非静态表格)
表格数据中特定列的数据需要执行合并处理，并且列和列之前是有包含关系的
last but not least,表格导出的 excel也是需要进行列合并的

然后，更诡异的是，后端同学说他实现不了excel的动态合并。这你能受的了吗。

既然，锅已经甩过来了，那没有不接的道理。正所谓，我不入地狱，谁入地狱？。那还是由我来哇。

更深的逻辑

其实，大部分业务场景中，大家对导出Table为Excel的常规做法都是通过异步接口来实现的。这样做也是有一定的好处的。对于部分业务场景，我们需要记录用户的导出记录，这个操作就需要后端将记录入库。

但是呢，对于一些非后端记录的导出，我们就可以使用纯前端的方式了。其实针对这类的业务处理，是有很多好处的。

针对导出，无非就是将前端页面中展示的 Table导出为 Excel。此时，在前端环境中，我们在利用 Antd/Element等前端组件库展示的时候，这块导出数据前端已经知晓了。我们要做的就是对于这些数据再次拼装或者直接一股脑的扔给 Excel导出引擎(我们就是采用这种方式)
通过异步方式处理，无论数据多少，都会产生 网络时延 。如果在弱网情况下，就算是数据量小的情况下，导出效果也不尽人意。我们在 22023面试真题之网络篇中讲过。

最好最快的请求就是没有请求

就算网络时延不是主要的性能损耗点，但是对于一些统计类型的表格，对于后端同学是需要进行 多表关联的查询。有些看似简单的数据值，可能需要跨越很多表去查询。这也是一个性能损耗点。

所以，如果上天给我一种能够在前端环境中，又快又好的导出excel。我会毫不犹豫的使用它

2. 案例展示

写在最前面

因为，我们是先讲我们wasm的能力，后面才会涉及到源码部分。但是呢，因为我们这个wasm兼容了很多情况，所以参数也是有很多传人方式和格式。所以，我们在讲示例之前，先讲讲参数的含义。

我们在Rust中定义了和参数相关的Struct用于收集相关信息。

#[derive(Deserialize)] pub?struct?CellCoords?{ ????pub?column:?u32, ????pub?row:?u32, } #[derive(Deserialize)] pub?struct?MergedCell?{ ????pub?from:?CellCoords, ????pub?to:?CellCoords, } #[derive(Debug,?Serialize,?Deserialize)] struct?Column?{ ????title:?String, ????width:?serde_json::Value, ????dataIndex:?String, } #[derive(Deserialize)] struct?InputJson?{ ????name:?String, ????columns:?Vec<Column>, ????source:?Vec<std::collections::HashMap<String,?serde_json::Value>>, ????merge:?Option<Vec<MergedCell>>, ????correlation:?Option<Vec<String>>, }

name:接收一个 String类型的数据，用于配置生成 excel的 sheetName。
columns:看 Struct我们得知，它接收的是 Column的数组，而 Column是用于定义我们每列的具体信息。
- 可以看到，类似 title/width/dataIndex都是我们在前端构建 Table( Antd)中用到的字段。(当然，当使用 Element时，你可以将对应的结构转换成此种类型)
- 其实这里有一个警告 ，在 Rust中我们定义变量名，都是使用 **蛇形命名法（snake_case）**是指每个空格皆以底线（ _）取代的书写风格，且每个单字的第一个字母皆为小写。但是，我们为最大程度的兼容前端的数据，不需要再转换，这里就使用了驼峰命名法
- 当然，我们也不需要在传人的时候，在前端处理 columns相关字段,无脑传即可
- 这里还有一点需要说明，在前端 columns我们定义 width时候，是可以接收 number和 string类型，在 Rust中我们使用 serde_json::Value来定义类型
source:这里我们用 Vec<std::collections::HashMap<String, serde_json::Value>>定义，对标前端数据的数据类型就是对象。
- 也就是说，我们 source传人对象即可，也是无脑传即可
merge: 是一个可选项，用于接收静态表格合并的信息
- 其中 MergedCell接收 from和 to的相关信息。
correlation:这也是一个可选项，用于接收对于针对 列合并 时对应列的 dataIndex信息。
- 如果传人多个字段，那么这些字段默认有 关联关系，后面的字段会以前面字段分组后，才会执行合并操作。

关于在Rust中如何操作JSON相关的，可以看我们之前写的如何在Rust中操作JSON

项目初始化

还是熟悉的套路，我们使用npx f_cli_f create table2excel的前端项目。(发布到npm的f_cli_f的rspack版本的.gitignore缺失了，有空我重新发布一版)

我们选择rspack+antd+react+tailwind的前端模板。（下面的方案，其实和框架无关，也就是说我们可以在React/Vue中无痛使用该方案）

然后，我们将项目中的pages/Home中的替换为下面的代码。

其中，有几个外部文件，我们简单说描述一下

data.js用于定义 columns/source等数据
wasm就是存放我们 Rust编译好的文件(这个后面会讲)

我们在组件初始化中执行了table2excel的初始化操作。

useEffect(()?=>?{ ??const?initWasmInstance?=?async?()?=>?{ ??????await?init(); ??}; ??initWasmInstance(); },?[]);

随后，我们就可以直接在事件回调中执行wasm的相关操作了。

我们还抽象了一个执行下载的操作方法(handleExcelBlob)

const?handleExcelBlob?=?(res:?Blob)?=>?{ ????const?blob?=?new?Blob([res],?{ ????????type:?"application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,", ????}); ????const?a?=?document.createElement("a"); ????a.href?=?URL.createObjectURL(blob); ????a.download?=?"data.xlsx"; ????document.body.append(a); ????a.click(); };

静态表格导出

当我们运行yarn dev的时候，在Home路径下，就会展现如下页面

在这种情况下，我们是用data.js中的staticTable的信息。

export?const?staticTable?=?{?? ????"columns":[ ??????{ ????????"title":?"A前端", ????????"width":?100, ????????"dataIndex":?"a" ??????}, ??????{ ????????"title":?"B柒八九", ????????"width":?"150", ????????"dataIndex":?"b" ??????}, ??????{ ????????"title":?"C北宸", ????????"width":?100, ????????"dataIndex":?"c" ??????}, ???????{ ????????"title":?"D南蓁", ????????"width":?"500px", ????????"dataIndex":?"d" ??????} ????], ????"source":[ ??????{ ????????"a":?1, ????????"b":?"b1", ????????"c":?"c1", ????????"d":?"专注于前端开发技术,Rust及AI应用知识分享" ??????}, ??????{ ????????"a":?2, ????????"b":?"b2", ????????"c":?"c2", ????????"d":?"专注于前端开发技术,Rust及AI应用知识分享" ??????}, ??????{ ????????"a":?3, ????????"b":?"b3", ????????"c":?"c3", ????????"d":?"专注于前端开发技术,Rust及AI应用知识分享" ??????}, ??????{ ????????"a":?4, ????????"b":?"b4", ????????"c":?"c4", ????????"d":?"专注于前端开发技术,Rust及AI应用知识分享" ??????} ????] }

上面的这个信息，其实就是Antd-Table中的相关配置。

在导出按钮的事件，我们执行相关的数据导出操作。

const?handleExport4Static?=?async?()?=>?{ ????const?startTime?=?performance.now(); ????const?res?=?await?generate_excel({ ????????columns:?staticTable.columns, ????????source:?staticTable.source, ????????name:?"front789", ????}); ????const?endTime?=?performance.now(); ????const?duration?=?endTime?-?startTime;? ????setTime(duration);? ????handleExcelBlob(res); };

其中，最主要的就是generate_excel。这就是wasm导出的相关函数。(import init, { generate_excel } from "@/wasm/table2excel";)

其中，有几个重要的参数，我们需要解释一下

columns:该参数就是定义 antd-table中的 columns配置。我们可以无脑传。
source:该参数就是定义 antd-table中的 dataSource配置。我们可以无脑传。
name:该参数用于生成 excel的 sheetName。

效果展示

当我们在页面中，触发导出任务后，我们就会得到如下的excel。

导出耗时

我们还通过performance.now()的计算耗时任务。执行多次会发现当执行一个简单的静态表格时，平均耗时为2ms左右。（当然这还和本机环境和数据量多少有关系）

大数据表格导出

对于简单静态表格，我们已经展示过了。现在我们来展示一下对于大数据表格的导出情况。

我们用node来生成一个10000条数据(其实10万条也是可以的，这个自行研究，我自己实验下，导出也不超过1秒，大部分都维持在500ms左右)

const?fs?=?require('fs'); const?dataStructure?=?{ ??columns:?[ ????{ ??????title:?"A前端", ??????width:?100, ??????dataIndex:?"a" ????}, ????{ ??????title:?"B柒八九", ??????width:?150, ??????dataIndex:?"b" ????}, ????{ ??????title:?"C北宸", ??????width:?100, ??????dataIndex:?"c" ????}, ????{ ??????title:?"D南蓁", ??????width:?"500px", ??????dataIndex:?"d" ????} ??], ??source:?(()?=>?{ ????const?data?=?new?Array(10000).fill(0).map((_,?index)?=>?({ ??????a:?`a${index}`, ??????b:?`b${index}`, ??????c:?`c${index}`, ??????d:?`专注于前端开发技术,Rust及AI应用知识分享?${index}`, ????})); ????return?data; ??})() }; fs.writeFileSync('data.json',?JSON.stringify(dataStructure,?null,?2),?'utf-8');

这样，我们就可以在组件中导入json数据。

import?init,?{?generate_excel?}?from?"@/wasm/table2excel"; import?{?Button,?Table?}?from?"antd"; import?{?useCallback,?useEffect,?useState?}?from?"react"; import?json?from?'./data.json'?with?{?type:?'json'?}; const?Home?=?()?=>?{ ?const?[time,?setTime]?=?useState(0); ?useEffect(()?=>?{ ??//?省略部分代码 ?},?[]); ??const?handleExcelBlob?=?(res:?Blob)?=>?{ ??????//?省略部分代码 ??}; const?handleExport4LongStatic?=?async?()?=>?{ ????const?startTime?=?performance.now(); ????const?res?=?await?generate_excel({ ????????columns:?json.columns, ????????source:?json.source, ????????name:?"front789", ????????merge:?[], ????}); ????const?endTime?=?performance.now(); ????const?duration?=?endTime?-?startTime;? ????setTime(duration);? ????handleExcelBlob(res); }; return?( ????<section?className="h-screen?w-screen?overflow-auto?flex?flex-col?gap-10?p-20"> ????????<div?className="flex?flex-col?gap-2"> ????????????<div?className="flex?items-center?gap-5"> ????????????????静态长表格?<Button?onClick={handleExport4LongStatic}>导出</Button>?<span>耗时：{time}ms</span> ????????????</div> ????????????<Table ????????????????columns={json.columns} ????????????????bordered ????????????????dataSource={json.source} ????????????????pagination={false} ????????????????virtual ????????????/> ????????</div> ????</section> ); }; export?default?Home;

针对上面的代码，我们也有几点需要说明

JSON 是 Rspack 的一等公民，我们可以直接导入。 import json from './data.json' with { type: 'json' };
在使用 generate_excel时，传人的参数和之前示例是一样的，只不过我们接收的数据是 json维护的。

导出耗时

执行多次会发现当执行一个长静态表格 时，平均耗时为160ms左右。（当然这还和本机环境和数据量多少有关系）

效果展示

静态表格合并导出

何为静态表格？其实就是表格的列/行数据都是不变的。

当需要进行表格合并时，我们是可以提前知晓，哪些行或者哪些列是需要合并操作的。

我们使用data.js中的mergeTable的信息。

因为，表格是静态的，所以我们可以提前在columns中定义onCell来控制行和列的合并。

下面是我们在还用Antd-Table进行合并时的相关配置。这块可以参考antd-table表格行/列合并[2]

const?sharedOnCell?=?(_,?index)?=>?{ ??if?(index?===?9)?{ ????return?{?colSpan:?0?}; ??} ??return?{}; }; export?const?mergeTable?=?{ ????"columns":[ ??????{ ????????"title":?"A前端", ????????"width":?"100", ????????"dataIndex":?"a", ????????onCell:?(_,?index)?=>?{? ??????????if?(index?==?9)?{? ????????????return?{ ??????????????colSpan:4 ????????????} ??????????} ????????} ??????}, ??????{ ????????"title":?"B柒八九", ????????"width":?"150", ????????"dataIndex":?"b", ????????onCell:sharedOnCell ??????}, ??????{ ????????"title":?"C北宸", ????????"width":?100, ????????"dataIndex":?"c", ????????onCell:sharedOnCell ??????}, ???????{ ????????"title":?"D南蓁", ????????"width":?500, ?????????"dataIndex":?"d", ?????????onCell:?(_,?index)=>{? ???????????if?(index?==?9)?{? ?????????????return?{ ??????????????colSpan:0 ????????????} ???????????} ???????????if?(index?==?0)?{? ?????????????return?{ ???????????????rowSpan:9 ?????????????} ???????????} ???????????if?(index?>?0)?{? ?????????????return?{rowSpan:0} ???????????} ??????????return?{}; ?????????} ??????} ????], ????"source":[ ??????//?省略部分代码 ????] }

然后，我们更新Home组件。

相比较之前针对静态表格 的导出，我们在调用generate_excel时候，多传了一个merge字段。

merge:?[ ????{ ????????from:?{ ????????????column:?0, ????????????row:?10, ????????}, ????????to:?{ ????????????column:?3, ????????????row:?10, ????????}, ????}, ????{ ????????from:?{ ????????????column:?3, ????????????row:?1, ????????}, ????????to:?{ ????????????column:?3, ????????????row:?9, ????????}, ????}, ],

该字段就是用于处理excel合并的字段信息。它接收一个对象数组，其中对象是一个用于标识哪些cell是合并的。

from:用于标识起始的 cell位置
to:用于标识结束的 cell位置
column和 row就不必多解释了

还有一点需要说明，由于我们在处理的时候，将columns中的title也抽离出来作为了excel的cell。所以在merge列的时候，针对row的配置，是以1开始的。

导出耗时

执行多次会发现当执行一个静态表格合并时，平均耗时为2ms左右。（当然这还和本机环境和数据量多少有关系）

效果展示

动态表格合并导出

何为动态表格？其实就是表格的列/行数据都是可变的。

这个也是我们此次要做的初衷。

对于这个案例，有点复杂。

我们稍微用较多篇幅来讲讲。

我们为了讲主要的逻辑，我们暂时将columns设定为定值。其实，真实业务中，columns也是动态变化的。可以从上图看到，我们对于第一列/第二列是依据数据来计算合并的。

在data.js中我们定义如下的数据类型。

export?const?mergeDynamicTable?=?{ ????"columns":[ ??????{ ????????"title":?"A前端", ????????"width":?"110px", ????????"dataIndex":?"a", ??????}, ??????{ ????????"title":?"B柒八九", ????????"width":?100, ????????"dataIndex":?"b", ??????}, ??????{ ????????"title":?"C北宸", ????????"width":?200, ????????"dataIndex":?"c", ??????}, ???????{ ????????"title":?"D南蓁", ????????"width":?"500px", ?????????"dataIndex":?"d", ??????} ????], ????"source":[ ??????//?省去部分代码 ????] }

主要代码

import?init,?{?generate_excel?}?from?"@/wasm/table2excel"; import?{?Button,?Table?}?from?"antd"; import?{?useCallback,?useEffect,?useState?}?from?"react"; import?{?mergeDynamicTable,?mergeTable,?staticTable?}?from?"./data.js"; export?type?ListItem?=?{ ?id?:?string; ?a:?string; ?b:?string; ?c:?string; ?d:?string; }; type?RowSpanTuple?=?[number,?number]; const?Home?=?()?=>?{ ?const?[columns,?setColumns]?=?useState(mergeDynamicTable.columns); ?const?[source,?setSource]?=?useState([]); ?const?[rowMergeMaps,?setRowMergeMaps]?=?useState<Map<string,?Map<string,?RowSpanTuple>>>(new?Map()); ?const?[time,?setTime]?=?useState(0); const?calculateRowMerge?=?useCallback((data:?ListItem[],?field:?keyof?ListItem,?parentField?:?keyof?ListItem)?=>?{ ????//?省略部分代码 ??},?[]); ?useEffect(()?=>?{ ??//省去部分代码 ?},?[]); ??useEffect(()?=>?{ ??????const?emulateAsync?=?async?()?=>?{ ??????????return?new?Promise((resolve)?=> ??????????????setTimeout( ??????????????????()?=>?resolve(mergeDynamicTable.source), ??????????????????Math.random()?*?1000?+?1000, ??????????????), ??????????); ??????}; ??????emulateAsync().then((source)?=>?{ ??????????if?(!source?||?!Array.isArray(source))?{ ??????????????console.error("Invalid?source?data"); ??????????????return; ??????????} ??????????const?data?=?[...source]; ??????????const?map?=?new?Map(); ??????????map.set("a",?calculateRowMerge(data,?"a")); ??????????if?(data[0]?.b)?{ ??????????????map.set("b",?calculateRowMerge(data,?"b",?"a")); ??????????} ??????????setRowMergeMaps(map); ??????????setSource(source); ??????}); ??},?[calculateRowMerge]); ?useEffect(()?=>?{ ??//?省去部分逻辑,在下面会讲到 ?},?[source,?rowMergeMaps]); ??const?handleExport4DynamicMerge?=?async?()?=>?{ ??????const?startTime?=?performance.now(); ??????const?res?=?await?generate_excel({ ??????????columns:?mergeTable.columns, ??????????source:?mergeTable.source, ??????????name:?"front789", ??????????correlation:?["a",?"b"], ??????}); ??????console.timeEnd('generate_excel_duration'); ??????const?endTime?=?performance.now(); ??????const?duration?=?endTime?-?startTime;? ??????setTime(duration);? ??????handleExcelBlob(res); ??}; ?const?handleExcelBlob?=?(res:?Blob)?=>?{ ??//省去部分代码 ?}; ? ??return?( ??????<section?className="h-screen?w-screen?overflow-auto?flex?flex-col?gap-10?p-20"> ??????????<div?className="flex?flex-col?gap-2"> ??????????????<div?className="flex?items-center?gap-5"> ??????????????????动态表格合并?<Button?onClick={handleExport4DynamicMerge}>导出</Button>?<span>耗时：{time}ms</span> ??????????????</div> ??????????????<Table ??????????????????columns={columns} ??????????????????bordered ??????????????????dataSource={source} ??????????????????pagination={false} ??????????????/> ??????????</div> ??????</section> ??); }; export?default?Home;

这里有几点需要特别说明一下：

我们在 useEffect中通过 emulateAsync来模拟一个异步任务。
随后，我们通过 calculateRowMerge来计算 data和 columns中 dataIndex的相关的合并信息。

const?calculateRowMerge?=?useCallback((data:?ListItem[],?field:?keyof?ListItem,?parentField?:?keyof?ListItem)?=>?{ ????const?keyIndexMap?=?new?Map<string,?RowSpanTuple>(); ????const?getKey?=?(item:?ListItem)?=>?(parentField???`${item[parentField]}-${item[field]}`?:?`${item[field]}`); ????data.reduce( ??????(acc,?item,?index)?=>?{ ????????const?prevItem?=?data[index?-?1]?||?data[0]; ????????const?isSameGroup?=?parentField ????????????prevItem[parentField]?===?item[parentField]?&&?prevItem[field]?===?item[field] ??????????:?prevItem[field]?===?item[field]; ????????if?(isSameGroup)?{ ??????????acc[1]?=?index; ????????}?else?{ ??????????if?(acc[0]?!==?null)?{ ????????????keyIndexMap.set(getKey(prevItem),?acc); ??????????} ??????????acc?=?[index,?index]; ????????} ????????if?(index?===?data.length?-?1)?{ ??????????keyIndexMap.set(getKey(item),?acc); ????????} ????????return?acc; ??????}, ??????[0,?0]?as?RowSpanTuple ????); ????return?keyIndexMap; ??},?[]);

这一步其实，就是通过遍历data(data.reduce)来收集每列中数据相同的信息。然后，存放到一个Map<string, Map<string, RowSpanTuple>>的state中。

随后，我们在 useEffect中监听 rowMergeMaps用以动态计算每一列的 onCell的相关逻辑.

if?(source?.length)?{ ????const?baseColumns?=?[...mergeDynamicTable.columns]; ????//?处理第一行的行合并 ????const?userNameMap?=?rowMergeMaps.get("a"); ????baseColumns[0].onCell?=?(value,?index)?=>?{ ????????const?indexSpan?=?userNameMap.get(value.a); ????????if?(indexSpan)?{ ????????????if?(indexSpan[0]?===?index)?{ ????????????????return?{?rowSpan:?indexSpan[1]?-?indexSpan[0]?+?1?}; ????????????} ????????????if?( ????????????????(index?as?number)?>?indexSpan[0]?&& ????????????????(index?as?number)?<=?indexSpan[1] ????????????) ????????????????return?{?rowSpan:?0?}; ????????} ????????return?{?rowSpan:?0?}; ????}; ????const?typeMap?=?rowMergeMaps.get("b"); ????baseColumns[1].onCell?=?(value:?ListItem,?index:?number)?=>?{ ????????const?indexSpan?=?typeMap.get(`${value.a}-${value.b}`); ????????if?(indexSpan)?{ ????????????if?(indexSpan[1]?!==?indexSpan[0]?&&?indexSpan[0]?===?index)?{ ????????????????return?{?rowSpan:?indexSpan[1]?-?indexSpan[0]?+?1?}; ????????????} ????????????if?(index?>?indexSpan[0]?&&?index?<=?indexSpan[1]) ????????????????return?{?rowSpan:?0?}; ????????} ????????return?{}; ????}; ????setColumns(baseColumns); }

last but not least,我们在handleExport4DynamicMerge中执行导出任务。
- 其中最为显眼的就是 correlation字段。该字段就是为 wasm传递，说明到底是哪几个列基于数据进行列合并。
- 同时这里还有一个默认的规则。如果传人的是多个字段，那么后面的字段会按照前面的字段进行分组合并

导出耗时

执行多次会发现当执行一个动态表格合并时，平均耗时为10ms左右。（当然这还和本机环境和数据量多少有关系）

效果展示

3. 源码解析

项目初始化

我们通过cargo new --lib table2excel来构建一个项目。

同时呢，我们在项目根目录中创建用于打包优化的文件。

build.sh
tools/optimize-rust.sh
tools/optimize-wasm.sh

这个我们在之前的Rust赋能前端：为WebAssembly 瘦身中介绍过相关概念，这里就不在赘述了。

核心参数

在之前呢，我们解释了从前端环境传人到wasm的参数的含义。其实呢，之前的InputJson只是为了能够方便的收集前端的Table信息。基于这些信息去拼装最后要生成excel必须的数据格式。

type?Dict?=?HashMap<String,?String>; #[derive(Debug,?Deserialize)] pub?struct?ColumnData?{ ????pub?width:?f32, } #[derive(Deserialize)] pub?struct?SheetData?{ ????name:?Option<String>, ????plain:?Option<Vec<Vec<Option<String>>>>, ????cols:?Option<Vec<Option<ColumnData>>>, ????merged:?Option<Vec<MergedCell>>, } #[derive(Deserialize)] pub?struct?SpreadsheetData?{ ????data:?SheetData, }

如上面所示，我们定义了一个SpreadsheetData。

data:就是用于构建我们 excel的数据信息`

在data中，我们接收一个SheetData类型的结构体。其中每个字段的含义如下

name:和之前一样，用于设置每个 sheet的名称
plain:承载每个 cell的值
cols:用于配置每个 col的宽度
merged:用于配置合并信息

数据转换函数

那么，我们现在要做的最核心的部分就是将从前端环境接收的json对象转换为SpreadsheetData。

函数 process_json 的作用是：

接收一个 JsValue 类型的 JSON 数据。
将其解析为特定的 Rust 结构体 InputJson。
根据解析后的数据，构造一个 SpreadsheetData 类型的对象，包含处理后的表格数据及其样式等信息。

fn?process_json(raw_data:?&JsValue)?->?SpreadsheetData?{ ????let?input:?InputJson?=?match?raw_data.into_serde()?{ ????????Ok(data)?=>?data, ????????Err(err)?=>?{ ????????????//?记录日志或返回默认值 ????????????utils::log!("Failed?to?parse?JSON:?{:?}",?err); ????????????return?SpreadsheetData?{ ????????????????data:?vec![], ????????????????styles:?None, ????????????}; ????????} ????}; ????let?mut?plain?=?vec![ ????????input.columns ????????????.iter() ????????????.map(|col|?Some(col.title.clone())) ????????????.collect::<Vec<Option<String>>>() ????]; ????for?source_row?in?&input.source?{ ????????let?mut?row?=?Vec::new(); ????????for?column?in?&input.columns?{ ????????????let?value?=?source_row.get(&column.dataIndex).map(|v|?{ ????????????????match?v?{ ????????????????????serde_json::Value::String(s)?=>?s.clone(), ????????????????????serde_json::Value::Number(n)?=>?n.to_string(), ????????????????????serde_json::Value::Bool(b)?=>?b.to_string(), ????????????????????_?=>?String::new(), ????????????????} ????????????}); ????????????row.push(value); ????????} ????????plain.push(row); ????} ????let?cols?=?extract_width(&input.columns); ????let?merged:?Option<Vec<MergedCell>>?=?match?input.merge?{ ????????Some(merge)?if?!merge.is_empty()?=>?Some(merge), ????????None?=> ????????????match?input.correlation?{ ????????????????Some(ref?correlation)?if?!correlation.is_empty()?=> ????????????????????Some(handle_merge_info(correlation.clone(),?&input.source,?&input.columns)), ????????????????_?=>?None, ????????????} ????????_?=>?None, ????}; ????//?构造输出数据 ????let?output_data?=?SheetData?{ ????????name:?Some(input.name.clone()), ????????plain:?Some(plain), ????????merged:?merged, ????????cells:?None, ????????rows:?None, ????????cols:?Some(cols), ????}; ????SpreadsheetData?{ ????????data:?vec![output_data], ????????styles:?None, ????} }

1. JSON 解析

let?input:?InputJson?=?match?raw_data.into_serde()?{ ????Ok(data)?=>?data, ????Err(err)?=>?{ ????????//?记录日志或返回默认值 ????????utils::log!("Failed?to?parse?JSON:?{:?}",?err); ????????return?SpreadsheetData?{ ????????????data:?vec![], ????????????styles:?None, ????????}; ????} };

作用：
- 将传入的 raw_data 转换为 Rust 的 InputJson 结构体。
- 使用了 serde_wasm_bindgen::from_value (通过 into_serde 方法)，将 JavaScript 的 JsValue 转为 Rust 的结构体。
- 如果解析失败，记录日志并返回一个空的默认值。

2. 构造表格的标题行

let?mut?plain?=?vec![ ????input.columns ????????.iter() ????????.map(|col|?Some(col.title.clone())) ????????.collect::<Vec<Option<String>>>() ];

作用：
- plain 是最终表格数据的二维数组，第一行用于存储列的标题。
- 遍历 input.columns，提取每一列的标题 col.title，并存储在一个 Vec<Option<String>> 中。
- 使用 Some(col.title.clone()) 包装标题，表示每个单元格的值可能为 Option<String>。

3. 构造表格的每一行数据

for?source_row?in?&input.source?{ ????let?mut?row?=?Vec::new(); ????for?column?in?&input.columns?{ ????????let?value?=?source_row.get(&column.dataIndex).map(|v|?{ ????????????match?v?{ ????????????????serde_json::Value::String(s)?=>?s.clone(), ????????????????serde_json::Value::Number(n)?=>?n.to_string(), ????????????????serde_json::Value::Bool(b)?=>?b.to_string(), ????????????????_?=>?String::new(), ????????????} ????????}); ????????row.push(value); ????} ????plain.push(row); }

作用：
- 遍历每一行的源数据 input.source。
- 对每个列的 dataIndex 进行查找，如果找到相应值，将其转换为字符串形式，并存储在 row 中。
- 将每一行的 row 数据加入到 plain。
核心逻辑：
- 动态数据处理 ：根据列的 dataIndex 从 source_row 中提取对应的值。
- 类型处理 ：处理可能的 JSON 数据类型，包括字符串、数字、布尔值等，将它们统一转换为字符串。
- 默认值处理：如果数据类型不匹配或数据不存在，返回空字符串。

4. 提取列宽信息

let?cols?=?extract_width(&input.columns);

作用：
- 提取每一列的宽度信息。
- extract_width 应该是一个自定义函数，用于从 columns 中获取列的 width 属性或其默认值。

5. 合并单元格的处理

let?merged:?Option<Vec<MergedCell>>?=?match?input.merge?{ ????Some(merge)?if?!merge.is_empty()?=>?Some(merge), ????None?=>?match?input.correlation?{ ????????Some(ref?correlation)?if?!correlation.is_empty()?=> ????????????Some(handle_merge_info(correlation.clone(),?&input.source,?&input.columns)), ????????_?=>?None, ????}, ????_?=>?None, };

作用：
- 处理表格的合并单元格信息。
- 如果 input.merge 提供了明确的合并信息，则直接使用。
- 如果未提供 merge 信息但存在 correlation 信息，则通过 handle_merge_info 动态生成合并信息。
核心逻辑：
- 优先级： merge 的优先级高于 correlation。
- 处理了合并信息的多种来源，确保灵活性。

提取列宽信息

extract_width 这个函数的主要功能是从一组列（columns）中提取每列的宽度信息，并以 ColumnData 的形式返回。返回的宽度值是以 f32 类型表示的，并且该函数处理了几种不同的数据格式（数值、字符串等）。如果某列没有明确的宽度或格式错误，默认宽度为 100.0。

fn?extract_width(columns:?&Vec<Column>)?->?Vec<Option<ColumnData>>?{ ????let?mut?cols?=?Vec::new(); ????for?column?in?columns?{ ????????utils::log!("width?{}",?column.width); ????????let?width:?f32?=?match?&column.width?{ ????????????serde_json::Value::Number(num)?=>?{ ????????????????num.as_f64() ????????????????????.map(|n|?n?as?f32) ????????????????????.unwrap_or(100.0) ????????????} ????????????serde_json::Value::String(s)?=>?{ ????????????????if?s.ends_with("px")?{ ????????????????????s.trim_end_matches("px").parse::<f32>().unwrap_or(100.0) ????????????????}?else?{ ????????????????????s.parse::<f32>().unwrap_or(100.0) ????????????????} ????????????} ????????????_?=>?100.0, ????????}; ????????cols.push(Some(ColumnData?{?width?})); ????} ????cols }

其中最核心的部分就是解析列宽

let?width:?f32?=?match?&column.width?{ ????serde_json::Value::Number(num)?=>?{ ????????num.as_f64() ????????????.map(|n|?n?as?f32) ????????????.unwrap_or(100.0) ????} ????serde_json::Value::String(s)?=>?{ ????????if?s.ends_with("px")?{ ????????????s.trim_end_matches("px").parse::<f32>().unwrap_or(100.0) ????????}?else?{ ????????????s.parse::<f32>().unwrap_or(100.0) ????????} ????} ????_?=>?100.0, };

作用：
- 这部分代码处理不同格式的列宽数据，并将其统一转换为 f32 类型的宽度。
- 详细步骤：
  1. serde_json::Value::Number(num)：
    - 如果 column.width 是一个数字类型（如 100），则尝试将其转换为 f64 类型，再转换为 f32。
    - 如果转换失败，则使用默认值 100.0。
  2. serde_json::Value::String(s)：
    - 如果 column.width 是字符串类型（如 "100px" 或 "100"），首先检查字符串是否以 "px" 结尾。
      - 如果是 px，去掉 "px" 后缀，再尝试将剩余的部分转换为 f32。
      - 如果字符串没有 px 后缀，则直接尝试将其转换为 f32。
    - 如果解析失败，则使用默认值 100.0。
  3. 其他类型：
    - 如果 column.width 既不是数字也不是字符串，则返回默认宽度 100.0。

合并单元格的处理

这段代码的功能是根据给定的列索引和相关联的列数据，计算出需要合并的单元格信息。具体来说，它依据 correlation 中的列和行的值，确定哪些单元格的内容是相同的，并根据这些相同的值来决定哪些单元格需要合并。最后，返回一个 MergedCell 的集合，其中包含了所有需要合并的单元格区域。

fn?handle_merge_info( ????correlation:?Vec<String>, ????source:?&[HashMap<String,?serde_json::Value>], ????columns:?&[Column] )?->?Vec<MergedCell>?{ ????let?mut?merged_cells?=?Vec::new(); ????//?找到所有?correlation?对应的列索引 ????let?column_index_map:?HashMap<&String,?usize>?=?columns ????????.iter() ????????.enumerate() ????????.map(|(idx,?col)|?(&col.dataIndex,?idx)) ????????.collect(); ????//?遍历?correlation?列，按顺序依次处理 ????for?(level,?correlation_key)?in?correlation.iter().enumerate()?{ ????????if?let?Some(&col_idx)?=?column_index_map.get(correlation_key)?{ ????????????let?mut?row_span_start?=?None;?//?记录当前合并区域的起始行 ????????????for?(row_idx,?item)?in?source.iter().enumerate()?{ ????????????????//?当前行该列的值 ????????????????let?current_value?=?item.get(correlation_key).cloned(); ????????????????//?上一行该列的值 ????????????????let?previous_value?=?if?row_idx?>?0?{ ????????????????????source[row_idx?-?1].get(correlation_key).cloned() ????????????????}?else?{ ????????????????????None ????????????????}; ????????????????//?检查当前列是否需要合并 ????????????????let?is_same_value?=?current_value?==?previous_value; ????????????????//?如果是多列（level?>?0），检查前置列的值是否也一致 ????????????????let?is_parent_matching?=?if?level?>?0?{ ????????????????????(0..level).all(|parent_level|?{ ????????????????????????if?let?Some(parent_key)?=?correlation.get(parent_level)?{ ????????????????????????????let?parent_current?=?item.get(parent_key); ????????????????????????????let?parent_previous?=?if?row_idx?>?0?{ ????????????????????????????????source[row_idx?-?1].get(parent_key) ????????????????????????????}?else?{ ????????????????????????????????None ????????????????????????????}; ????????????????????????????parent_current?==?parent_previous ????????????????????????}?else?{ ????????????????????????????false ????????????????????????} ????????????????????}) ????????????????}?else?{ ????????????????????true ????????????????}; ????????????????if?is_same_value?&&?is_parent_matching?{ ????????????????????//?如果满足合并条件，继续处理 ????????????????????if?row_span_start.is_none()?{ ????????????????????????row_span_start?=?Some(row_idx);?//?记录合并起点 ????????????????????} ????????????????}?else?{ ????????????????????//?如果不满足条件，结束当前合并区域 ????????????????????if?let?Some(start_row)?=?row_span_start?{ ????????????????????????merged_cells.push(MergedCell?{ ????????????????????????????from:?CellCoords::new(start_row,?col_idx), ????????????????????????????to:?CellCoords::new(row_idx,?col_idx), ????????????????????????}); ????????????????????????row_span_start?=?None;?//?重置合并起点 ????????????????????} ????????????????} ????????????} ????????????//?处理最后一个合并区域 ????????????if?let?Some(start_row)?=?row_span_start?{ ????????????????merged_cells.push(MergedCell?{ ????????????????????from:?CellCoords::new(start_row,?col_idx), ????????????????????to:?CellCoords::new(source.len(),?col_idx), ????????????????}); ????????????} ????????} ????} ????merged_cells }

以下是比较重要的点

1. 创建列索引映射 `column_index_map`

let?column_index_map:?HashMap<&String,?usize>?=?columns ????.iter() ????.enumerate() ????.map(|(idx,?col)|?(&col.dataIndex,?idx)) ????.collect();

作用：
- 创建一个映射，将列的 dataIndex 映射到其对应的索引位置。这个映射用于快速查找每个列的索引。
- column_index_map 以 &String（列的 dataIndex）为键，列的索引 usize 为值。

2. 遍历 `correlation` 中的每个关联列

for?(level,?correlation_key)?in?correlation.iter().enumerate()?{ ????if?let?Some(&col_idx)?=?column_index_map.get(correlation_key)?{ ????????let?mut?row_span_start?=?None;?//?记录当前合并区域的起始行

作用：
- 遍历 correlation 列表中的每个 correlation_key，表示需要根据该列的数据来判断是否合并单元格。
- 如果当前列的 dataIndex 在 column_index_map 中存在，表示可以找到该列的索引 col_idx。
- row_span_start 用于标记当前合并区域的起始行，初始值为 None。

3. 遍历 `source` 中的数据行

for?(row_idx,?item)?in?source.iter().enumerate()?{ ????let?current_value?=?item.get(correlation_key).cloned(); ????let?previous_value?=?if?row_idx?>?0?{ ????????source[row_idx?-?1].get(correlation_key).cloned() ????}?else?{ ????????None ????}; ????let?is_same_value?=?current_value?==?previous_value;

作用：
- 遍历表格的每一行 source，在每一行中，根据当前的 correlation_key 获取该列的值 ( current_value)，并与上一行相同列的值进行比较 ( previous_value)。
- is_same_value 用来判断当前行与上一行该列的值是否相同。

4. 检查前置列是否匹配（多级合并）

let?is_parent_matching?=?if?level?>?0?{ ????(0..level).all(|parent_level|?{ ????????if?let?Some(parent_key)?=?correlation.get(parent_level)?{ ????????????let?parent_current?=?item.get(parent_key); ????????????let?parent_previous?=?if?row_idx?>?0?{ ????????????????source[row_idx?-?1].get(parent_key) ????????????}?else?{ ????????????????None ????????????}; ????????????parent_current?==?parent_previous ????????}?else?{ ????????????false ????????} ????}) }?else?{ ????true };

作用：
- 如果 level > 0，表示这是一个多级合并，需要检查前置列的数据是否也相同。具体来说，检查在 correlation 中的前置列是否满足合并条件。
- 使用 (0..level).all() 检查 correlation 列表中前 level 个列是否都满足合并条件，即当前行的前置列与上一行的值是否一致。
- is_parent_matching 表示当前行是否符合前置列的匹配条件。

5. 合并条件判断与合并区域记录

if?is_same_value?&&?is_parent_matching?{ ????if?row_span_start.is_none()?{ ????????row_span_start?=?Some(row_idx);?//?记录合并起点 ????} }?else?{ ????if?let?Some(start_row)?=?row_span_start?{ ????????merged_cells.push(MergedCell?{ ????????????from:?CellCoords::new(start_row,?col_idx), ????????????to:?CellCoords::new(row_idx,?col_idx), ????????}); ????????row_span_start?=?None;?//?重置合并起点 ????} }

作用：
- 如果当前行与上一行在 correlation_key 列的数据值相同，并且所有前置列（ parent）的值也一致，则认为满足合并条件。
- 如果 row_span_start 是 None，则表示当前合并区域还没有开始，记录下合并的起始行（ row_idx）。
- 如果当前行的数据值与上一行不相同，说明合并区域结束，记录当前合并区域，生成一个 MergedCell 对象，表示从 start_row 到 row_idx 的合并区域。
- 重置 row_span_start 为 None。

6. 处理最后一个合并区域

if?let?Some(start_row)?=?row_span_start?{ ????merged_cells.push(MergedCell?{ ????????from:?CellCoords::new(start_row,?col_idx), ????????to:?CellCoords::new(source.len(),?col_idx), ????}); }

作用：
- 在遍历结束后，如果 row_span_start 仍然存在，说明最后一个合并区域没有被处理，使用该区域的起始行和最后一行（ source.len()）来生成最后一个合并区域，并将其添加到 merged_cells 中。

4. 将构造好的函数，扔给我们的excel渲染引擎

pub?fn?generate_excel(raw_data:?&JsValue)?->?Vec<u8>?{ ????utils::set_panic_hook(); ????let?data?=?process_json(raw_data); ????//?省略部分代码 }

由于这块的篇幅有点冗长，为了行文的方便，这里就不在继续介绍了。

最后，我们会为大家提供编译好的wasm。然后以供大家使用。（由于文章是多平台发布的，如果大家找不到相关的资源，可以在评论区或者后台私聊我，要前端项目代码和wasm）

4. TODO

其实呢，无论是上面的使用示例还是代码，我们还有很多的未完善的部分。

表头合并
设置样式
多表导出(一次导出多个 sheet)
支持 excel公式
...

后记

分享是一种态度。

全文完，既然看到这里了，如果觉得不错，随手点个赞和"在看"吧。

Reference

[1]

SheetJS: https://docs.sheetjs.com/docs/

[2]

antd-table表格行/列合并: https://ant-design.antgroup.com/components/table-cn#table-demo-colspan-rowspan

本文由 mdnice 多平台发布

Rust赋能前端： 纯血前端将 Table 导出 Excel

前言

运行效果

静态表格

静态长表格(1万条数据)

静态表格合并

动态表格合并

我们能所学到的知识点

1. 初衷

更深的逻辑

2. 案例展示

写在最前面

项目初始化

静态表格导出

效果展示

导出耗时

大数据表格导出

导出耗时

效果展示

静态表格合并导出

导出耗时

效果展示

动态表格合并导出

主要代码

导出耗时

效果展示

3. 源码解析

项目初始化

核心参数

数据转换函数

1. JSON 解析

2. 构造表格的标题行

3. 构造表格的每一行数据

4. 提取列宽信息

5. 合并单元格的处理

提取列宽信息

合并单元格的处理

1. 创建列索引映射 column_index_map

2. 遍历 correlation 中的每个关联列

3. 遍历 source 中的数据行

4. 检查前置列是否匹配（多级合并）

5. 合并条件判断与合并区域记录

6. 处理最后一个合并区域

4. 将构造好的函数，扔给我们的excel渲染引擎

4. TODO

后记

Rust赋能前端：纯血前端将 Table 导出 Excel

1. 创建列索引映射 `column_index_map`

2. 遍历 `correlation` 中的每个关联列

3. 遍历 `source` 中的数据行