jxl.jar创建Excel的问题,Validation list exceeds maximum number characters - truncating

daichangfu daichangfu 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区
使用jxl.jar创建Excel模版的,在生成一个单元格下拉框时候,如果字符长度大于254就会提示警告,Warning: Validation list exceeds maximum number of characters - truncating,而且还会删掉254后面的内容。
大家有遇到过这个问题吗?
谁帮忙解决下?

我的代码如下:

List<String> proList = new ArrayList<String>();
for (Dictionary dic : dicList) {
proList.add(dic.getName());
}

WritableCellFeatures prokWcf = new WritableCellFeatures();
prokWcf.setDataValidationList(proList);
Label prokLabel = new Label(8, i+2, "");
prokLabel.setCellFeatures(prokWcf);
ws.addCell(prokLabel);



jxl.jar部分源码



// The maximum string length for a data validation list
private static final int MAX_VALIDATION_LIST_LENGTH = 254;

if (formulaString.length() > MAX_VALIDATION_LIST_LENGTH)
{
logger.warn("Validation list exceeds maximum number of characters - " +
"truncating");
formulaString.delete(MAX_VALIDATION_LIST_LENGTH,
formulaString.length());
}



加急啊!!!
...全文

相关推荐

JXL库操作Excel详解及2.6版本jar包下载指南

JXL库,即Java Excel API,是由Philip Steele开发的一个开源项目,它允许Java应用程序读取和写入Microsoft Excel文件。JXL库的主要作用是为Java开发者提供一种方便、直接的方式来操作Excel文件,从而无需依赖于Microsoft Office或其它昂贵的第三方库。JXL库与Apache POI是处理Excel文件的两个流行库之一,但它更专注于读写兼容性更好的.xls格式文件。

Lucy-Fintech社区

熊数据集集2983张VOC+YOLO格式.zip

数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:2983 Annotations文件夹中xml文件总计:2983 labels文件夹中txt文件总计:2983 标签种类数:1 标签名称:["bear"] 每个标签的框数(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准): bear 框数 = 3021 总框数:3021 图片清晰度(分辨率:像素):清晰 图片是否增强:否 标签形状:矩形框,用于目标检测识别 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注

不会仰游的河马君

vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip

vue+springboot_基于Java语言的茶叶销售商城电商系统_176brjo7毕业设计源码数据库.zip

源码论文专家

43一个强到且很实用的Linux网络管理工具.docx

43一个强到且很实用的Linux网络管理工具

云计算练习生

【计量经济学】基于Oster无工具变量法的内生性处理:遗漏变量偏差敏感性分析与稳健因果效应界估算

内容概要:本文介绍了基于Oster(2019)提出的无工具变量法处理内生性问题的实现方法,核心是通过系数稳定性与拟合优度变化进行敏感性分析,量化遗漏变量偏差的影响,并估计在控制不可观测变量后的稳健因果效应β(beta tilde)。该方法利用两步回归(有无控制变量)之间的系数和R²变化,结合不可观测选择强度参数δ与最大潜在R²(Rmax),外推可能的因果效应边界,从而判断基准结果是否对遗漏变量稳健。文中提供了Stata(psacalc)、R(ooster包)和Python三种主流语言的具体实现代码与操作示例,强调结果依赖于参数设定,需进行敏感性扫描以增强说服力。 适合人群:经济学、管理学、社会学、公共卫生、教育等领域的实证研究者,尤其是正在撰写论文、面临审稿人关于内生性质疑的研究生与青年学者。 使用场景及目标:①在缺乏有效工具变量时,评估OLS回归结果对遗漏变量的敏感性;②生成稳健因果效应的点估计与置信区间,回应审稿人对内生性问题的质疑;③通过δ与Rmax的多值扫描,可视化展示结论稳健性。 阅读建议:此方法属于敏感性分析而非因果识别工具,应与IV、DID、固定效应等方法结合使用;使用者需确保两步回归样本一致,并替换示例中的变量名为实际数据变量,同时务必对关键参数开展敏感性测试,避免过度解读单一结果。

王大师王文峰
评论 3
收藏 已收藏
分享
返回顶部
daichangfu
Java EE 67,535 成员 225,843 内容