php导出EXCEL大量数据,电子表格php导出百万条数据到EXCEL
1. php导出百万条数据到Excel
目录:C:\xampp\htdocs\gs_apply\ThinkPHP\Library\Vendor\Classes加载phpexcel类的方法:Vendor('Classes.PHPExcel'); $objPHPExcel = new \PHPExcel();
2. php大数据导出
1 phpoffice/phpexcel已经弃用了，现在官方推荐使用phpoffice/phpspreadsheet
2 使用PHPexcel 导入excel文件与是哪个版本的THINKPHP没有关系， 甚至是与使用啥框架都没有关系
3 如果框架支持composer,可以直接通过composer引入PHPexcel ，然后直接 use 之后 就可以直接使用。
4 如果框架不支持composer， 也可以直接 require和include PHPExcel/Classes/PHPExcel.php 文件，然后就可以用了
3. php百万级数据导出excel
PHP生成EXCEL有多种方法，不知道你的程序是用的哪种方法，各种方法的处理不一样。
最简单的生产的<TAB>或者逗号分割的文本，这类文件无法设置格式。
有的PHP实际上是生产的HTML，可以使用HTML代码控制格式，比如<FONTCOLOR=XXXSIZE=X>。
有的PHP实际上是生产的XML，这类可以在CSS里面设置格式。
有的PHP是调用COM直接生成真正的EXCEL文件，这类程序可以使用COM调用设置格式，可以新打开一个EXCEL，用录制宏的办法获取设置字体大小的语句。
4. php导出数据库
可以>右键-》任务-》导出数据--》这时会出现一个导出页面。数据源，数据库名称都别动，直接看身份验证——》选择你本次登入数据库的身份验证方式————下面的数据库选择你要导出的数据库，直接下一步。出现一个新的页面，第一行是目标，这里选择你要导出的目标类型，你要导excel格式，就选择excel格式格式的（往上翻）下面是你另存到的目标地址，版本可不选择，相信大家都是07以上版本的。————》｛下一步｝————》直接下一步————--》选择要导出的表直接下一步。接下来全是下一步就行了。、。导入也一样。要注意，导入时的第一个页面数据源是你要倒进来前的格式，如过是刚刚你导出去的excel格式的，就选择excel格式格式。其他都可忽略。
5. php导出大量数据
单击菜单"文件----页面设置"在打开的对话框中的保存类型中选择"纯文本"
6. mysql导出百万级数据
可以使用免费的工具Navicat进行导出。
首先打开Navicat，并连接到需要做数据导出的数据库。
然后打开查询分析器，输入查询语句并执行。
最后在数据表格中，点击鼠标右键，选择导出，并将导出格式设置为csv即可。
7. php导出百万条数据到csv
一、一般步骤
1、用phpADMIN生成CSV格式文件
以PHP+MySQL模式建立个人主页的读者，在自己的机器上都有PHP+MySQL环境吧？就在这个环境下，用phpADMIN生成以分号为分隔符的dotmud.csv文件。
2、将dotmud.csv文件通过FTP上传到服务器。
3、上传data.php程序（程序附后），在浏览器调用data.php程序，将dotmud.csv文件的内容加入到数据库。
二、特殊处理
一般的数据，通过上述步骤，基本可以顺利上传。但对于包含特殊字符的数据（比如数据库记录中包含换行符、单引号、分号），就要做些特殊的处理。
1、换行符的处理
PHP的fgetcsv()函数以换行符作为每行的结束标志。如果MySQL数据表的记录包含换行符，fgetcsv()就不能完整读取记录行。
笔者的解决方法是修改phpADMIN的lib.inc.php3文件（读者也可以不修改phpADMIN文件，而是用其他方法直接加工phpADMIN生成的dotmud.csv文件，达到同样的效果）的get_table_csv()函数：
在 $schema_insert=ereg_replace($sep."$","",$schema_insert) 行后加入如下命令行
$schema_insert=ereg_replace("\r\n","`return`",$schema_insert)
将换行符转换为不容易出现的换行标识串`return`（读者可根据自己数据的特点设置独特的换行标识串），再在data.php程序中加一行命令$data[$i]=ereg_replace("`return`","\r\n",$data[$i])，用来将换行标识串还原成换行符。
2、分隔符的处理
如果MySQL记录行恰好包含CSV分隔符，fgetcsv()进行分隔处理时就会出现问题。
笔者仍然是通过修改lib.inc.php3文件解决的。
在get_table_csv()的$schema_insert="$row[$j]".$sep行前加一行
$row[$j]=ereg_replace($sep,"`return_sep`",$row[$j]) 命令，将分隔符转为分隔标识串`return_sep`,同时在data.php中用命令行 $data[$i]=ereg_replace("`return_sep`",";",$data[$i]) 进行还原处理。
3、单引号的处理
MySQL的SQL语句行对单引号有特殊的定义，如果直接提交含单引号的SQL语句，就会出错。这种情况需要加上转义符。在data.php中加一行 $data[$i]=ereg_replace("'","\'",$data[$i]) 就可解决。
另外，在数据记录特别多的的情况下，dotmud.csv文件可能比较大，如果在服务器的限定时间内不能执行完data.php程序，就需要按行分拆dotmud.csv。如笔者有个7000行的dotmud.csv文件，在自己的机器上执行到600行就提示超时，便拆成10个文件上传到全路互联（wayall），结果对方的服务器速度快，每个文件的处理时间还不到1秒，而php默认的限定执行时间可是30秒啊！看来我做的分拆实属多余。
以上方法解决了数据库内容的上传问题。对于数据库结构的上传，只要稍微修改一下data.php程序就可实现。其实，如果库结构比较简单，用phpADMIN更方便。
8. 百万级数据导出
关于mysql处理百万级以上的数据时如何提高其查询速度的方法
最近一段时间由于工作需要，开始关注针对Mysql数据库的select查询语句的相关优化方法。
由于在参与的实际项目中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，而且如果where中的查询条件较多时，其查询速度简直无法容忍。曾经测试对一个包含400多万条记录（有索引）的表执行一条条件查询，其查询时间竟然高达40几秒，相信这么高的查询延时，任何用户都会抓狂。因此如何提高sql语句查询效率，显得十分重要。以下是网上流传比较广泛的30种SQL查询语句优化方法：
1、应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。
2、对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
3、应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：
select id from t where num is null
可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：
select id from t where num=0
4、尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：
select id from t where num=10 or num=20
可以这样查询：
select id from t where num=10
union all
select id from t where num=20
5、下面的查询也将导致全表扫描：(不能前置百分号)
select id from t where name like ‘%c%’
若要提高效率，可以考虑全文检索。
6、in 和 not in 也要慎用，否则会导致全表扫描，如：
select id from t where num in(1,2,3)
对于连续的数值，能用 between 就不要用 in 了：
select id from t where num between 1 and 3
7、如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然 而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：
select id from t where num=@num
可以改为强制查询使用索引：
select id from t with(index(索引名)) where num=@num
8、应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：
select id from t where num/2=100
应改为:
select id from t where num=100*2
9、应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：
select id from t where substring(name,1,3)=’abc’–name以abc开头的id
select id from t where datediff(day,createdate,’2005-11-30′)=0–’2005-11-30′生成的id
应改为:
select id from t where name like ‘abc%’
select id from t where createdate>=’2005-11-30′ and createdate<’2005-12-1′
10、不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。
11、在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使 用，并且应尽可能的让字段顺序与索引顺序相一致。
12、不要写一些没有意义的查询，如需要生成一个空表结构：
select col1,col2 into #t from t where 1=0
这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：
create table #t(…)
13、很多时候用 exists 代替 in 是一个好的选择：
select num from a where num in(select num from b)
用下面的语句替换：
select num from a where exists(select 1 from b where num=a.num)
14、并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段 sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。
15、索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有 必要。
16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。
17、尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会 逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。
18、尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
19、任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。
20、尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。
21、避免频繁创建和删除临时表，以减少系统表资源的消耗。
22、临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使 用导出表。
23、在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。
24、如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
25、尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。
26、使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。
27、与临时表一样，游标并不是不可使用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时 间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。
28、在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。
29、尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。
30、尽量避免大事务操作，提高系统并发能力。