当前位置: 首页 > news >正文

6-13 WPS JS宏 Map实例2--拆分记录到表格

实例2--拆分记录到表格

原数据

结果:

代码:

function test(){

var pah = ThisWorkbook.Path + "//";

var arr = Range("A2", Range("E999").End(xlUp)).Value();

var titarr = ["编号", "姓名", "部门", "籍贯", "基本工资"];

var m = new Map();

for (var ar of arr) {

if (m.has(ar[2])) {
var newarr = m.get(ar[2]).concat([ar]);//concat为合并数组;如: var newarr = m.get(财政局).concat([["GH00005","孙明","财政局",38,5695]])
Console.log(JSON.stringify("1."+newarr));
//因newarr是数组不是映射所以打印不显示索引
//打印第一次运行结果:"1.编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651,GH00005,孙明,财政局,38,5695"

m.set(ar[2], newarr);//m.set(财政局, [["编号","姓名","部门","籍贯","基本工资"],[GH00001,李五,财政局,18,5651],["GH00005","孙明","财政局",38,5695]);
Console.log(JSON.stringify("2."+[...m.entries()]));
//打印第一次运行结果:"2.财政局,编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651,GH00005,孙明,财政局,38,5695,民政局,编号,姓名,部门,籍贯,基本工资,GH00002,王六,民政局,23,5662,卫健局,编号,姓名,部门,籍贯,基本工资,GH00003,王九,卫健局,28,5673,残联,编号,姓名,部门,籍贯,基本工资,GH00004,孙小一,残联,33,5684"

} else {
// 如果不存在,则先在 Map 中创建该部门分组,并将表头作为首行,后跟当前记录
m.set(ar[2], [titarr, ar]);// 如:m.set(财政局, [["编号","姓名","部门","籍贯","基本工资"],[GH00001,李五,财政局,18,5651]])
Console.log(JSON.stringify("3."+[...m.entries()]));
//监视窗口:m=[1];Map/object
//打印第一次运行结果:"3.财政局,编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651"

}
}

// 创建一个新的工作簿
var wb = Workbooks.Add();

for (var [key, val] of m.entries()){ // 对 Map 进行遍历

var ws = wb.Sheets.Add(); // 每次创建一个新的工作表
ws.Name = key;//当前部门名称 key

ws.Range("A1").Resize(val.length, 5).Value2 = val;
}

// 删除新工作簿默认多余的最后一个空工作表
wb.Sheets(wb.Sheets.Count).Delete();

// 保存新工作簿到指定路径,文件名为 "拆分结果.xlsx",保存后关闭工作簿
wb.SaveAs(`${pah}拆分结果.xlsm`);
wb.Close();
}

function test(){ var pah = ThisWorkbook.Path + "//"; var arr = Range("A2", Range("E999").End(xlUp)).Value(); var titarr = ["编号", "姓名", "部门", "籍贯", "基本工资"]; var m = new Map(); for (var ar of arr) { if (m.has(ar[2])) { var newarr = m.get(ar[2]).concat([ar]);//concat为合并数组;如: var newarr = m.get(财政局).concat([["GH00005","孙明","财政局",38,5695]]) Console.log(JSON.stringify("1."+newarr)); //因newarr是数组不是映射所以打印不显示索引 //打印第一次运行结果:"1.编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651,GH00005,孙明,财政局,38,5695" m.set(ar[2], newarr);//m.set(财政局, [["编号","姓名","部门","籍贯","基本工资"],[GH00001,李五,财政局,18,5651],["GH00005","孙明","财政局",38,5695]); Console.log(JSON.stringify("2."+[...m.entries()])); //打印第一次运行结果:"2.财政局,编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651,GH00005,孙明,财政局,38,5695,民政局,编号,姓名,部门,籍贯,基本工资,GH00002,王六,民政局,23,5662,卫健局,编号,姓名,部门,籍贯,基本工资,GH00003,王九,卫健局,28,5673,残联,编号,姓名,部门,籍贯,基本工资,GH00004,孙小一,残联,33,5684" } else { // 如果不存在,则先在 Map 中创建该部门分组,并将表头作为首行,后跟当前记录 m.set(ar[2], [titarr, ar]);// 如:m.set(财政局, [["编号","姓名","部门","籍贯","基本工资"],[GH00001,李五,财政局,18,5651]]) Console.log(JSON.stringify("3."+[...m.entries()])); //监视窗口:m=[1];Map/object //打印第一次运行结果:"3.财政局,编号,姓名,部门,籍贯,基本工资,GH00001,李五,财政局,18,5651" } } // 创建一个新的工作簿 var wb = Workbooks.Add(); for (var [key, val] of m.entries()){ // 对 Map 进行遍历 var ws = wb.Sheets.Add(); // 每次创建一个新的工作表 ws.Name = key;//当前部门名称 key ws.Range("A1").Resize(val.length, 5).Value2 = val; } // 删除新工作簿默认多余的最后一个空工作表 wb.Sheets(wb.Sheets.Count).Delete(); // 保存新工作簿到指定路径,文件名为 "拆分结果.xlsx",保存后关闭工作簿 wb.SaveAs(`${pah}拆分结果.xlsm`); wb.Close(); }
http://www.jsqmd.com/news/168511/

相关文章:

  • 【毕业设计】SpringBoot+Vue+MySQL 箱包存储系统平台源码+数据库+论文+部署文档
  • ClickHouse 为大数据领域的实时决策提供支持
  • STM32CubeMX安装步骤深度剖析:安装失败原因分析
  • 基于Python高校学生选课成绩分析系统的设计与实现
  • Miniconda-Python3.10镜像在碳排放追踪系统中的技术支撑
  • fastjson (1概述)
  • STM32程序在Keil5中的单步调试技巧
  • LTspice批量运行仿真脚本实践:高级用户指南
  • Miniconda镜像内置pip与Conda双工具,灵活安装各类AI框架
  • CubeMX配置FreeRTOS完整示例解析
  • Python安装模块找不到?正确激活Miniconda-Python3.11环境是关键
  • 清华源配置教程:将Miniconda-Python3.11的pip安装速度提升5倍
  • GitHub项目克隆后如何运行?使用Miniconda-Python3.11快速还原环境
  • 使用Miniconda避免Python包冲突,保障大模型训练稳定性
  • Miniconda-Python3.10镜像支持生物信息学序列分析流程
  • Miniconda-Python3.10镜像支持联邦学习框架的部署
  • 基于Python的宁夏事业单位教师招聘考试可视化系统
  • 解决ST7735 SPI通信花屏问题的系统学习
  • Linux权限问题导致PyTorch安装失败?解决方案在此(Miniconda-Python3.11)
  • Miniconda-Python3.10镜像中使用diff比较环境差异
  • 使用Miniconda管理多个PyTorch版本:应对不同模型兼容性需求
  • Miniconda如何帮助用户节省GPU算力成本:环境即服务理念
  • 为什么说Miniconda是AI开发者最理想的环境管理工具
  • 使用清华源加速PyTorch安装:结合Miniconda-Python3.11提升下载效率
  • 机器学习073:深度学习【神经网络】扩散模型:零基础看懂AI图像生成的魔法
  • 使用Miniconda安装PyTorch前必须了解的Conda与Pip区别
  • Windows下PyTorch安装教程GPU支持:借助Miniconda-Python3.11轻松完成
  • Miniconda-Python3.11镜像发布:专为AI开发者打造的轻量级Python环境
  • Miniconda镜像如何帮助降低GPU算力用户的入门门槛
  • 清华源镜像列表更新:2024年最新Miniconda-Python3.11配置方法