SQL Server表中数据按条件批量导出为多个Excel文件

数据库 SQL Server
本文我们主要介绍了SQL Server数据表中的数据按条件批量导出为多个Excel文件的实现方法,希望能够对您有所收获!

SQL Server表中数据按条件批量导出为多个Excel文件是本文我们主要要介绍的内容,在一次SQL Server数据库的操作中,需要将某个有数十万行数据的表按类别导出为xls文件,每个类别一个xls。将数据表中的数据导出并保存为xls简单,用SSIS或者查询出来之后另存为都可以。但是,这个表中的分类有数百个,如果一个个用SSIS或者查询另存为的话,工作量巨大。前思后想,想到了用while循环查询,并用bcp导出的方法。

下面是相关代码:

 

  1. --声明需要的变量     
  2. declare @sql varchar(600),@TypeID int    
  3. --确认***个分类的ID     
  4. select @TypeID=min(TypeID) from t_TestTable    
  5. --当存在满足分类ID的记录时进行处理     
  6. while exists(select 1 from t_TestTable where TypeID=@TypeID)    
  7. begin    
  8. --拼凑需要执行的语句     
  9. set @sql='bcp "select * from (select'+'''列名1'''+' AS 列名1,'+'''列名2'''+' AS 列名2,'+'''列名3'''+' AS 列名3'--在xls文件中显示列名     
  10. set @sql=@sql+' union all select 列名1,列名2,列名3 from t_TestTable where TypeID='+cast(@TypeID as varchar(8))+')a" queryout "F:\datafile\TypeData'+cast(@TypeID as varchar(8))+'.xls" -c -q -S"ServerName" -U"sa" -P"SAPASSWORD" -d"DBName"'--查询满足条件的记录并保存到xls文件中     
  11. --使用xp_cmdshell系统存储过程执行拼凑好的语句(需要使用高级选项开关预先开启cmdshell组件)     
  12. exec master..xp_cmdshell @sql    
  13. --获得下一个分类的ID(分类ID是不连续的)     
  14. select @TypeID=isnull(min(TypeID),@TypeID+1) from t_TestTable where TypeID>=@TypeID+1    
  15. end   

 

以上就是SQL Server表中数据按条件批量导出为多个Excel文件的实现方法,本文就介绍到这里了,希望本次的介绍能够对您有所收获!

【编辑推荐】

  1. SQL Server数据库多表关联汇总查询的问题解决
  2. 设置SQL Server数据库AWE机制使其支持大内存
  3. SQL Server 2008数据库被标记为可疑的解决方法
  4. SQL Server数据库中FOR XML AUTO的使用详解续
  5. SQL Server使用UNION代替OR提升查询性能的实例
责任编辑:赵鹏 来源: CSDN博客
相关推荐

2010-07-21 14:17:36

SQL Server数

2010-11-11 11:00:06

sql server遍

2010-06-24 09:47:47

SQL Server

2011-08-25 16:13:31

SQL Server批量替换数据

2011-08-15 15:53:51

SQL Server数批量操作

2009-03-30 15:52:24

数据导入导出SQL Server

2010-07-09 15:31:25

SQL Server

2011-07-12 13:01:11

ExcelOracleSql Server

2021-04-30 08:11:55

SQLSQL Server 数据库

2023-12-19 22:44:45

PythonPDFExcel

2010-09-16 14:13:11

SQL Server系

2010-07-21 09:18:44

SQL Server

2010-09-16 16:23:06

sql server批

2010-06-28 11:40:44

SQL Server

2023-09-20 10:04:04

Python工具

2010-10-21 15:13:20

SQL Server系

2010-07-09 11:28:12

SQL Server数

2010-11-09 17:19:49

SQL Server导

2022-11-07 12:22:00

2010-09-16 15:56:15

SQL Server表
点赞
收藏

51CTO技术栈公众号