spark-excel
525
Stars
163
Forks
36
Watchers
109
Open Issues
Apache-2.0
许可证
Scala
语言
2016-09-03
创建时间
2026-11-02
最近更新
项目能做什么
spark-excel 是一个专为 Apache Spark 打造的插件,主要解决 Spark 原生不支持直接读写 Excel 文件的痛点。它能将 Excel 表格解析为 Spark DataFrame,支持指定单元格区域、表头及数据类型推断;其 V2 版本还支持多文件加载与损坏记录处理。
来源:AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
# Spark Excel Library
A library for querying Excel files with Apache Spark, for Spark SQL and DataFrames.
[](https://github.com/nightscape/spark-excel/actions/workflows/ci.yml)
[](https://search.maven.org/artifact/dev.mauch/spark-excel_2.13)
## Co-maintainers wanted
Due to personal and professional constraints, the development of this library has been rather slow.
If you find value in this library, please consider stepping up as a co-maintainer by leaving a comment [here](https://github.dev/mauch/spark-excel/issues/191).
Help is very welcome e.g. in the following areas:
* Additional features
* Code improvements and reviews
* Bug analysis and fixing
* Documentation improvements
* Build / test infrastructure
## Requirements
This library requires Spark 3.0+.
For a list of Spark versions that are automatically tested, see [build.mill](build.mill)
For more detail, please refer to project CI: [ci.yml](https://github.dev/mauch/spark-excel/blob/main/.github/workflows/ci.yml#L10)
## Linking
You can link against this library in your program at the following coordinates:
### Scala 2.12
```
groupId: dev.mauch
artifactId: spark-excel_2.12
version: <spark-version>_0.18.0
```
## Using with Spark shell
This package can be added to Spark using the `--packages` command line option. For example, to include it when starting the spark shell:
```
$SPARK_HOME/bin/spark-shell --packages dev.mauch:spark-excel_<scala-binary-version>:<spark-version>_<spark-excel-version>
```
## Features
* This package allows querying Excel spreadsheets as [Spark DataFrames](https://spark.apache.org/docs/latest/sql-programming-guide.html).
* From spark-excel [0.14.0](https://github.dev/mauch/spark-excel/releases/tag/v0.14.0) (August 24, 2021), there are two implementation of spark-excel
* Original Spark-Excel with Spark data source API 1.0
* Spark-Excel V2 with data source API V2.0+, which supports loading from multiple files, corrupted record handling and some improvement on handling data types.
See below for further details
To use V2 implementation, just change your .format from `.format("dev.mauch.spark.excel")` to `.format("excel")`.
See [below](#excel-api-based-on-datasourcev2) for some details
See the [changelog](CHANGELOG.md) for latest features, fixes etc.
### Scala API
__Spark 2.0+:__
#### Create a DataFrame from an Excel file
```scala
import org.apache.spark.sql._
val spark: SparkSession = ???
val df = spark.read
.format("dev.mauch.spark.excel") // Or .format("excel") for V2 implementation
.option("dataAddress", "'My Sheet'!B3:C35") // Optional, default: "A1"
.option("header", "true") // Required
.option("treatEmptyValuesAsNulls", "false") // Optional, default: true
.option("setErrorCellsToFallbackValues", "true") // Optional, default: false, where e
阅读完整原文
项目深度分析 AI 生成
企业级数据导入清洗托管 SaaS(Excel to Lakehouse)
| 产品构想 | 结合该插件核心逻辑,构建无代码/低代码的 Excel 复杂报表批量入仓平台,自动推断Schema、修正错误格式并直通 S3/Iceberg/Delta Lake。 |
| 核心功能 | 拖拽式多工作表映射配置、损坏记录隔离告警、自动格式/时区推断、调度任务监控、一键同步到云数仓。 |
| 目标用户 | 没有专门大数据工程团队的中型企业、业务分析师、数据运维人员。 |
| 难度/周期 | 中等 · 2-3个月 · 成本:轻量云服务器与存储、域名解析、基础认证系统。 |
| 收费模式 | SaaS 按月订阅制(根据处理文件量或数据吞吐量分级收费)。 |
| 竞争风险 | 市场上存在通用 ETL 工具(如 Airbyte, Fivetran)竞争,需在 Excel 极端不规则排版处理上形成差异化。 |
| 依据 | 数据支持的判断 |
企业级技术支持与 Databricks/EMR 私有定制插件订阅
| 产品构想 | 针对该项目原作者无暇维护(求维护者)的现状,提供商业化维护版本,保证对最新 Spark/Scala/Java 版本的即时兼容、修复 OOM 漏洞及 SLA 技术支持。 |
| 核心功能 | 针对超大文件(GB级别)的低内存流式优化引擎、专有 Bug 修复通道、Databricks 运行时兼容保障、7x24 咨询支持。 |
| 目标用户 | 在生产环境中大规模使用该插件且面临性能或兼容瓶颈的金融、大型零售企业 IT 团队。 |
| 难度/周期 | 较高 · 1个月(建立服务与分发体系) · 成本:个人技术时间投入、测试用多版本云集群成本。 |
| 收费模式 | 商业年费订阅(按集群节点数或企业席位收取支持费)。 |
| 竞争风险 | README 明确显示原作者维护乏力,但独立个人直接向大企业销售商业支持信赖度门槛高。 |
| 依据 | 已验证事实 |
垂直行业复杂报表自动化解析与审计工具包
| 产品构想 | 针对银行、审计所、供应链等非标准化合并单元格、公式依赖严重的多 Sheet Excel,封装专用的 Spark 处理模板库与命令行工具。 |
| 核心功能 | 带公式依赖链解析、跨 Sheet 勾稽关系校验、单元格样式/批注特征抽取、自动化审计报告生成。 |
| 目标用户 | 财务审计团队、咨询机构、供应链风控分析师。 |
| 难度/周期 | 中等 · 1-2个月 · 成本:开发测试机器成本、行业样本数据收集成本。 |
| 收费模式 | 按使用量售卖 API 额度,或打包私有工具许可证授权。 |
| 竞争风险 | 业务逻辑与特定行业强绑定,通用性受限,定制开发负担重。 |
| 依据 | AI推测 |
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
相似项目数据正在完善中,暂不展示(避免误导)
项目优势与风险
| 技术成熟度 | 创建于 2016-09-03,近 30 天仍在推送,发布过 49 个 Release |
| 社区活跃 | Star 525 / Fork 163 / Issue 109(数据支持,可自行核实) |
| 许可证 | Apache-2.0 |
| 主要风险 | 上游项目方向可能变化;同赛道竞争者较多(见竞品表);热度与需求不完全等价 |
安装与使用
此项目未提供 Docker 镜像,安装步骤以原仓库 README 为准(涉及依赖安装与环境配置,对新手门槛较高)。