calamine

 
 

Bibliotecă Rust pură pentru foi de calcul

Citește XLS, XLSX, XLSM, XLSB, ODS și altele cu deserializare fără copiere în Rust.

Ce este calamine?

calamine este o bibliotecă Rust pură, de înaltă performanță, pentru citirea și deserializarea fișierelor de foi de calcul Excel și OpenDocument. Suportă formate precum XLS, XLSX, XLSM, XLSB, ODS și altele, concentrându-se pe extragerea rapidă, sigură și fără copiere a datelor. Proiectată pentru fiabilitate și dependențe minime, calamine evită bibliotecile de sistem externe și se bazează exclusiv pe implementări Rust pure. API-ul său permite dezvoltatorilor să extragă eficient valorile celulelor, să gestioneze proiecte VBA și să analizeze formulele fără configurări complexe sau suprasarcină la rulare.

Biblioteca excelează în aplicații critice din punct de vedere al performanței, oferind procesare semnificativ mai rapidă decât alternativele în Python, C# și Go. Cu integrarea Serde încorporată, calamine permite maparea fără întreruperi a datelor din foile de calcul în structuri Rust. Suportă încărcarea leneșă pentru fișiere mari, configurarea rândului de antet și funcții opționale precum suportul pentru data/ora din chrono și extragerea datelor de imagini. Indiferent dacă dezvolți instrumente CLI, back‑end‑uri web sau sisteme încorporate, calamine oferă performanță robustă și predictibilă pe toate platformele.

Previous Next

Începerea cu calamine

Pentru a începe să folosiți calamine, adăugați-l în proiectul dvs. Rust prin Cargo. Puteți să îl instalați direct utilizând cargo add calamine sau să adăugați manual dependența în fișierul Cargo.toml. Biblioteca este disponibilă pe crates.io și codul său sursă este găzduit pe GitHub-ul calamine. Pentru utilizare avansată, activați funcționalitățile opționale precum chrono pentru suport de dată/oră sau picture pentru extragerea datelor de imagine. Biblioteca se compilează curat pe Rust stabil și nu necesită binare externe sau biblioteci de sistem.

Instalați calamine prin Cargo

cargo add calamine

Deserializare a foilor de calcul bazată pe Serde

calamine oferă o integrare puternică cu Serde pentru maparea datelor din foi de calcul direct în structuri Rust. Folosind RangeDeserializerBuilder, dezvoltatorii pot defini modele de date puternic tipizate și pot deserializa automat rândurile în înregistrări structurate. Biblioteca include funcții auxiliare precum deserialize_as_f64_or_none și deserialize_as_f64_or_string pentru a gestiona coloanele cu tipuri mixte cu grație. Această abordare asigură siguranța tipurilor, reduce codul repetitiv și permite validarea la compilare a structurilor de date. Este deosebit de utilă pentru conductele de date, instrumentele de raportare și aplicațiile ETL în care fiabilitatea și performanța sunt critice.

Deserializați rândurile foilor de calcul în structuri Rust

use calamine::{deserialize_as_f64_or_none, open_workbook, RangeDeserializerBuilder, Reader, Xlsx};
use serde::Deserialize;

#[derive(Deserialize)]
struct Record {
    metric: String,
    #[serde(deserialize_with = "deserialize_as_f64_or_none")]
    value: Option,
}

let mut excel: Xlsx<_> = open_workbook("file.xlsx")?;
let range = excel.worksheet_range("Sheet1")?;
let iter = RangeDeserializerBuilder::with_headers(&["metric", "value"]).from_range(&range)?;
for result in iter {
    let record: Record = result?;
    println!("{:?}", record);
}

Extracție de proiect VBA și formule

calamine permite extragerea modulelor de proiect VBA și a definițiilor de formule din fișiere Excel. Dezvoltatorii pot recupera codul VBA din module, detecta referințe întrerupte și inspecta numele definite și formulele acestora. Această capacitate este esențială pentru instrumente de migrare, utilitare de audit și analiza sistemelor vechi. API-ul oferă acces structurat la metadatele VBA și suportă atât scenarii simple, cât și complexe de introspecție a registrului de lucru. Indiferent dacă analizați macro-uri pentru securitate sau convertiți logica Excel veche, calamine furnizează acces precis, la nivel scăzut, la conținutul ascuns al registrului de lucru.

Extrage cod VBA și nume definite

use calamine::{open_workbook_auto, Reader};

let mut workbook = open_workbook_auto("file.xlsx")?;
if let Ok(Some(vba)) = workbook.vba_project() {
    let module = vba.get_module("Module1").unwrap();
    println!("{}", module);
    for ref in vba.get_references() {
        if ref.is_missing() { println!("Broken: {}", ref.name); }
    }
}
for (name, formula) in workbook.defined_names() {
    println!("{}: {}", name, formula);
}

Încărcare leneșă și gestionarea fișierelor mari

calamine suportă încărcarea leneșă pentru fișierele XLSX și XLSB, permițând procesarea eficientă a foilor de calcul mari fără a încărca toate foile în memorie simultan. Prin configurarea rândurilor de antet și utilizarea iterării pe intervale, dezvoltatorii pot reduce la minimum amprenta de memorie și pot maximiza debitul. Această funcționalitate este deosebit de valoroasă pentru funcții serverless, instrumente CLI și implementări încorporate unde resursele sunt limitate. Testele de performanță arată că calamine citește peste 1 milion de rânduri cu un consum minim de memorie în comparație cu alternative precum openpyxl și ClosedXML, făcându-l ideal pentru conducte de ingestie de date la scară mare.

Procesează eficient foile de calcul mari

use calamine::{open_workbook, Reader, Xlsx};

let mut excel: Xlsx<_> = open_workbook("large.xlsx")?;
let range = excel
    .worksheet_range("Sheet1")?
    .expect("Sheet not found");

for row in range.rows() {
    // Process row without loading entire file
    process_row(row);
}

Optimizarea performanței și benchmark-uri

calamine oferă performanță excepțională, procesând 41 de milioane de celule în sub 25 de secunde—depășind bibliotecile Python, C# și Go cu până la 9,4 ori. Designul său zero-copy și alocările minime pe heap reduc semnificativ utilizarea CPU și a memoriei. Benchmark-urile pe un fișier XLSX de 186 MB arată că calamine folosește doar 186 MB de citiri de pe disc, comparativ cu 1,5 GB pentru excelize. Comportamentul determinist al memoriei și presiunea scăzută a GC fac biblioteca potrivită pentru aplicații în timp real și sensibile la latență. Dezvoltatorii beneficiază de utilizarea predictibilă a resurselor și de debit constant în diverse sarcini de lucru.

 Română