登录 注册
开发者工具效率与办公工具数据分析与数据处理 data-frameetlexcelscalaspark
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.

[![Build Status](https://github.com/nightscape/spark-excel/actions/workflows/ci.yml/badge.svg)](https://github.com/nightscape/spark-excel/actions/workflows/ci.yml)
[![Maven Central](https://img.shields.io/maven-central/v/dev.mauch/spark-excel_2.13.svg)](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)。