不安装notes或domnio,如何注册使用nlsxbe.dll(domino com)!(b/s)

xjbx
领域专家: 编程技术技术领域
2003-02-17 05:44:16
如题
...全文
463 14 打赏 收藏 举报
写回复
用AI写文章
14 条回复
切换为时间正序
请发表友善的回复…
发表回复
csouth 2003-04-01
  • 打赏
  • 举报
回复
用regsvr32是可以注册使用nlsxbe.dll的,但在你的VB脚本中创建NOtesSession对象链接到服务器时要求要有ID认证,就是要求客户端有user.id文件,所以还是要装notes,你的办法是行不通的.换一种思路做吧
xlwy 2003-03-26
  • 打赏
  • 举报
回复
mark
xjbx 2003-02-25
  • 打赏
  • 举报
回复
up
xjbx 2003-02-24
  • 打赏
  • 举报
回复
我知识想参照下面的做法:
http://www.csdn.net/Develop/Read_Article.asp?Id=16973

通过Domino COM实现Web的痕迹保留设计思路 davidnim(原作)

关键字 痕迹保留



总体思路:

实现步骤:
1,客户端注册NOTES COM控件。(
regsvr32 c:\lotus\notes\DOMOBJ.TLB)
regsvr32 c:\lotus\notes\nlsxbe.dll
2,在公文数据库中,保存一些已经定制好的公文模板。已供新建公文时使用。
3,表单上加入VBScript将附件从服务器拆离到本地,然后起用WORD。(Word的宏安全性设为中)
4,公文模板中,WORD的文档的退出事件中加入VBA代码,实现文件上传到服务器。

注:为避免启动COM时出现提示口令输入框,可以通过API制作一个DLL来避开。(参考:API例子的)

相关代码:
表单上的VBScript代码:
<SCRIPT LANGUAGE="VBScript">
Sub Button1_OnClick
dim s, dir, db, doc, eo, no, word, worddoc
Set s = CreateObject("Lotus.NotesSession")
Call s.Initialize
Set db = s.GetDatabase("sh_server","intranet\webtemp.nsf")
Set doc = db.getDocumentByUNID("30C11B03D279463548256C7D000DDD74")
Set eo = doc.getAttachment("普通公文.doc")
Call eo.ExtractFile( "C:\Temp\test.doc")
'Create the Word object:
Set word = CreateObject("Word.Application") 'Create Word object
Call word.documents.open( "C:\Temp\test.doc" )
Set worddoc = word.activedocument 'Get a handle for the active document
word.visible = True
'Call eo.remove
'Set ritem = doc.getFirstItem("rtfAttachment")
'Set no = ritem.EmbedObject(1454, "" , "C:\Temp\test.doc" )
'Call doc.save(True,False)
'MsgBox db.filename + " & " + db.server,, "Databases on " + db.server
End Sub
</SCRIPT>
表单上的按钮代码:
<INPUT NAME="Button1" TYPE="BUTTON" VALUE="编辑正文">


Word模板上的VBA代码:
Private Sub Document_Close()
ActiveDocument.Save
Dim s, dir, db, doc, eo, no, word, worddoc
Set s = CreateObject("Lotus.NotesSession")
Call s.Initialize
Set db = s.GetDatabase("sh_server", "intranet\webtemp.nsf")
Set doc = db.GetDocumentByUNID("C47E90193C0E4D3248256C780006A73E")
Set eo = doc.GetAttachment("普通公文.doc")
Call eo.Remove
Set ritem = doc.GetFirstItem("rtfAttachment")
Set no = ritem.EmbedObject(1454, "", "C:\Temp\test.doc")
Call doc.Save(True, False)
MsgBox db.FileName + " 文件已上传至服务器!& " + db.Server, , "Databases on " + db.Server
End Sub

所以,我不想在客户端安装client(因为我发现,只有安装了client才可以注册nlsxbe.dll,否则无法注册!),就直接使用ie把数据库的doc文档下载到本地,处理后再上传!
xjbx 2003-02-24
  • 打赏
  • 举报
回复
up
xjbx 2003-02-21
  • 打赏
  • 举报
回复
up
junesmily 2003-02-21
  • 打赏
  • 举报
回复
那不需要在客户端注册啊
难道,你还打算安装在client上???

在服务器上安装、注册
在要用到的地方,做代理调用,方法声明也在代理里。
xjbx 2003-02-19
  • 打赏
  • 举报
回复
up
xjbx 2003-02-18
  • 打赏
  • 举报
回复
没人可以帮我么?
xjbx 2003-02-18
  • 打赏
  • 举报
回复
我就是用regsvr32命令,在无法注册注册使用nlsxbe.dll
xjbx 2003-02-18
  • 打赏
  • 举报
回复
我的意思是服务器还是安装domino
但客户端不装notes,在b/s下通过nlsxbe.dll来访问domnio的数据库!
outwindow 2003-02-18
  • 打赏
  • 举报
回复
nlsxbe.dll本身是对DOMINO/NOTES的二次开发包,没有domino你要它干吗呀。
即使你是开发B/S应用,开发客户端也还是需要安装NOTES。
wandyhui 2003-02-17
  • 打赏
  • 举报
回复
用regsvr32注册
lsh22 2003-02-17
  • 打赏
  • 举报
回复
一般Dll的注册你可以用reg..32.exe(你可以在查找一下,记的不清楚)
然后用这个命令加 Dll的路径即可...
不知道帮没帮上你....
下载代码方式:https://pan.quark.cn/s/a4b39357ea24 【创新7.1声卡KX驱动+连线图】是一款专门为创新公司所制造的7.1音频声卡量身定制的驱动方案,其核心宗旨在于为用户带来超越官方原生驱动程序的卓越音质感受。KX驱动属于一种由爱好者群体自主开发的非官方驱动软件,该驱动在Creative公司原版驱动程序的基础上进行了深度改良与功能扩充,旨在提供更为多样化的声音调节参数以及更为出色的运行表现。 我们现在来详细认识一下7.1声道系统。7.1声道代表的是一种沉浸式音频技术规范,该规范包含七个全频域音箱单元(具体包括前置左声道、前置右声道、中央声道、环绕左声道、环绕右声道、后置左声道以及后置右声道)搭配一个低频震动单元,其设计目的是为用户构建更加立体且逼真的听觉场景,尤其适合应用于电子游戏、电影观影以及音乐欣赏等场景。 KX驱动的独到之处在于其赋予了用户更为广阔的个性化定制权限,使用者能够依据自身的听音偏好对音频参数进行细致调节,例如均衡器参数、混响效果、压缩比设定、噪声抑制门限等,从而使得最终的音效呈现出更为精致且个性化的特质。不仅如此,KX驱动还兼容VST插件机制,该机制是虚拟乐器与音频效果处理软件的通用标准,用户通过安装各式各样的VST插件,能够进一步增强声卡的实用功能,例如模拟多种乐器音色或达成复杂的声音效果制作。 在获取并部署KX驱动程序之后,对"连线图"的正确导入工作具有决定性意义。连线图又被称为音频路由配置图或信号流向示意图,它是一份用于指导用户如何正确配置并连接各个音频输出通道的视觉化手册。对于非专业背景的使用者而言,准确设定这些音频通道可能会面临一定程度的困难,因此连线图的提供极大地简化了这一过程。依照连线图进行配置操...
内容概要:本文介绍了基于粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的电力负荷预测方法,并通过Python代码实现。该方法结合PSO强大的全局搜索能力,对LSTM模型的关键超参数进行智能寻优,有效提升了模型在处理非线性、强时序性电力负荷数据时的预测精度与泛化性能。文中系统阐述了从数据预处理、模型构建、PSO优化流程到预测结果分析的完整技术链条,重点展示了如何通过优化算法克服传统LSTM参数依赖经验设定的局限性,为复杂时间序列预测提供了高效解决方案。; 适合人群:具备一定Python编程能力和机器学习基础知识,从事电力系统分析、能源管理、负荷预测等相关领域的研究人员、工程师以及高校研究生。; 使用场景及目标:①应用于电力系统的短期与中期负荷预测,提升电网调度的准确性与经济性;②作为智能优化算法与深度学习融合的典型范例,用于科研项目开发与教学实践;③目标在于通过超参数自动优化,显著降低预测模型的均方根误差(RMSE)和平均绝对百分比误差(MAPE),增强模型的鲁棒性与实用性。; 阅读建议:建议读者结合所提供的完整Python代码,深入理解PSO优化LSTM的具体实现过程,重点关注适应度函数的设计、参数编码方式及优化迭代机制,并鼓励在自有数据集上进行复现实验与调参优化,以深刻掌握模型性能提升的技术路径。
内容概要:本文系统研究了输入扩张技术对归一化最小均方(NLMS)算法在稳态条件下过剩均方误差(EMSE)的影响,并提供了完整的Matlab代码实现。通过严谨的理论推导与详实的仿真实验,深入探讨了输入信号经线性扩张处理后对NLMS算法收敛性能和稳态误差的优化作用。研究不仅阐明了不同扩张方式与参数配置对EMSE的具体改善效果,还定量分析了其对算法收敛速度与稳定性的影响,旨在为自适应滤波系统的性能优化与工程设计提供坚实的理论依据和有效的技术手段。; 适合人群:具备信号处理、自适应滤波等专业知识的研究生、科研人员及工程技术人员,要求熟练掌握Matlab编程语言,并拥有基本的算法仿真实现经验。; 使用场景及目标:①深入探究NLMS算法在不同输入信号条件下的稳态性能表现规律;②通过Matlab仿真平台,验证输入扩张技术在降低EMSE方面的有效性与实用性;③为自适应滤波器的设计选型、参数整定与性能优化提供直接的技术支持和可靠的实验参考。; 阅读建议:建议读者紧密结合所提供的Matlab代码,深入理解算法的实现细节,重点关注输入扩张模块的设计原理与EMSE的计算流程。同时,鼓励通过调整仿真参数(如扩张因子、步长、输入信号类型等),观察其对算法性能的动态影响,从而加深对理论分析结果的理解,并提升解决实际工程问题的能力。

536

社区成员

发帖
与我相关
我的任务
社区描述
企业开发 Exchange Server
社区管理员
  • 消息协作社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧