社区
C#
帖子详情
Why I can't Convert this string to Double?
bbwolf
2002-07-13 12:01:07
The string is "12.5%"
but I can't Convert it to 0.125
Who can tell me why?
...全文
281
6
打赏
收藏
Why I can't Convert this string to Double?
The string is "12.5%" but I can't Convert it to 0.125 Who can tell me why?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
6 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
forestwind
2002-07-13
打赏
举报
回复
说的对
hbxtx
2002-07-13
打赏
举报
回复
自己写个函数,先从字符串中取出12.5,再除以100。
xdev
2002-07-13
打赏
举报
回复
%不是一个数值字符啊
12.5% 要转换位0.125就可以了
chen_funer
2002-07-13
打赏
举报
回复
关注
bbwolf
2002-07-13
打赏
举报
回复
各位的方法我当然是知道的,只是C#中的System.Globalization.NumberStyles.AllowTrailingSign是允许后缀的,
同时ystem.Globalization.NumberFormatInfo.InvariantInfo.PercentSymbol
表示后缀的许可字符,可以将数字转换为包含System.Globalization.NumberFormatInfo.InvariantInfo.PercentSymbol的string.为什么没有反向的?各位不觉得奇怪么?
zyongcai
2002-07-13
打赏
举报
回复
首先要先取出12.5这个字符串,转化成数字,再除以100即可,代码如下:
string a="12.5%";
a=a.Substring (0,a.Length -1);
double b=Convert.ToDouble (a);
MessageBox.Show (b.ToString ());
Xcode 16 + macOS Sequoia 原生 AI 编程实战指南
Apple Intelligence 是苹果在 macOS Sequoia 和 Xcode 16 中推出的系统级本地 AI 编程辅助框架,基于 Core ML、Neural Engine 4.0 与 Private Cloud Compute 构建,强调隐私优先与离线推理。其核心价值在于深度集成 Swift 生态——精准理解 AST 语法树、原生感知 SwiftUI/UIKit/Combine 等框架语义,并在编译错误诊断、代码重构、文档解释等场景中提供‘最小必要干预’的智能建议。不同于 Ollama 的模
Azure Document Intelligence + Phi-3 Mini 构建高可靠PDF结构化提取系统
PDF文档结构化提取是企业级AI应用的核心基础能力,其本质是将非结构化扫描件或电子PDF转化为可编程处理的JSON数据。技术原理上需协同OCR文本识别与语言模型语义理解:前者提供带空间坐标的原始文本,后者基于领域知识完成字段映射与上下文消歧。Phi-3 mini凭借128K长上下文、4GB低显存占用和多语言技术文档预训练优势,成为Azure云内轻量级推理的理想选择;而Document Intelligence则提供高精度布局分析与合规可控的数据处理边界。该组合在发票解析、医疗报告、报关单等场景中实现99.2
编译器 | 从工业实现到极简设计 —— 编译器的多元形态与实践
……
05阶段:NLP自然语言处理基础(2)
本文系统讲解了NLP中的迁移学习,重点介绍了fastText工具的使用及其模型原理。主要内容包括: fastText工具概述:fastText是Facebook开发的NLP工具包,具有文本分类和词向量训练两大功能,优势在于速度快、精度高。其安装简单,通过pip即可完成。 fastText模型架构:基于类似CBOW的三层结构,使用层次softmax和负采样提升效率。层次softmax通过哈夫曼树实现多类别高效分类;负采样通过随机选择部分负样本来降低计算量。 应用实践:详细演示了使用fastText进行文本分类
多式联运基于AFO算法、GA和PSO算法求解不确定多式联运路径优化问题,同时和MATLAB自带的全局优化搜索器进行对比(Matlab代码实现)
内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入分析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性分析部分,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。
C#
111,129
社区成员
642,536
社区内容
发帖
与我相关
我的任务
C#
.NET技术 C#
复制链接
扫一扫
分享
社区描述
.NET技术 C#
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
让您成为最强悍的C#开发者
试试用AI创作助手写篇文章吧
+ 用AI写文章