TOM模型的ITextRange::FindText()方法如何进行正则表达式查找

manbaum 2008-05-13 01:50:02
RichEdit 的底层实现了微软的TOM模型,其中接口ITextRange中有如下方法:

STDMETHODIMP FindText(
BSTR bstr,
long Count,
long Flags,
long *pLength
);

Flags governing comparisons. It can be 0 (the default) or any combination of the following values. tomMatchWord 2 Matches whole words.
tomMatchCase 4 Matches case.
tomMatchPattern 8 Matches regular expressions.

MSDN中的说明如上。按说明,当Flags取值为tomMatchPattern常量,也就是数值8时,可以匹配正则表达式。但我在代码里用正则表达式查找总是查不到内容,不用正则表达式时正常。代码如下:

CString strFind(_T("[a-z]{1,}")); // 这个查不到
// CString strFind(_T("abcde")); // 换用这个可以查到
HRESULT hr = S_FALSE;
BSTR bstrFind = strFind.AllocSysString();
long nLength = 0;
TRACE1("--- begin search: %s\n", strFind);
while (true)
{
hr = pRange->FindText(bstrFind, tomForward, 8, &nLength);
TRACE2(" fail=%d, length=%d\n", FAILED(hr), nLength);
if (FAILED(hr) || !nLength) break;
// ProcessRange(pRange); 查到,则做处理
}
TRACE1("--- end search: %s\n", strFind);

哪位大侠对TOM有研究,请指教。多谢!!
...全文
220 6 打赏 收藏 转发到动态 举报
写回复
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
manbaum 2008-05-16
  • 打赏
  • 举报
回复
看来没人回答啊。卡卡!高手都不关注。
Eleven 2008-05-14
  • 打赏
  • 举报
回复
up
manbaum 2008-05-13
  • 打赏
  • 举报
回复
看看其他人有没有点其他提示~
jameshooo 2008-05-13
  • 打赏
  • 举报
回复
我经常碰到这种网上也难以找到答案的问题,我也没试过你的问题,继续找答案吧,或者找替代方案
manbaum 2008-05-13
  • 打赏
  • 举报
回复
我也怀疑可能是正则表达式语法的问题,但没有找到这个方法所使用的正则表达式语法的任何相关说明。TOM的说明里大量例子提到WORD,TOM说明里的例子大部分是VBA的。而且此方法的说明里也说支持类似WORD里的特殊字符的语法,比如用 ^p 表示段落标记,即使如此,我用 strFind= _T("^p") 做查找,还是查不到结果,方法调用返回后,nLength 值为0,表示无匹配。

我甚至怀疑微软是不是在这个方法上没有实现正则表达式查找。所以想问问有没有用过这个的,或者对这个比较了解的,给个提示。我在google里搜ITextRange::FindText,只搜到可怜4页,而且80%是重复的,没有可用信息。
jameshooo 2008-05-13
  • 打赏
  • 举报
回复
你得再研究一下它支持的正则表达式的格式和语法,微软的东东经常不符合规范,就像ATL提供的正则表达式封装类使用的是自定义语法一样。
内容概要:本文围绕基于CNN-BiLSTM-Attention混合神经网络模型的电力负荷预测展开研究,提出一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)与注意力机制(Attention)的深度学习框架,并通过Python代码实现高精度的短期与超短期负荷预测。该模型充分利用CNN对局部特征的提取能力,捕捉负荷数据中的周期性与趋势性模式;借助BiLSTM对时间序列前后向依赖关系的建模能力,增强对动态变化的感知;并通过Attention机制自适应地聚焦关键历史时刻,提升预测准确性。文中详细阐述了数据预处理、模型结构设计、训练流程及超参数调优方法,并在真实负荷数据集上进行了实验验证,结果表明该混合模型相比传统单一模型和其他基准模型具有更优的预测性能,尤其在应对非线性、非平稳负荷波动方面表现突出。; 适合人群:具备一定Python编程能力和机器学习基础,从事电力系统分析、能源管理、智能电网或时序预测相关工作的科研人员、工程师及高校研究生。; 使用场景及目标:①应用于电网调度、电力市场出清、需求响应管理等场景下的精细化负荷预测;②为研究人员提供一套完整的、可复现的深度学习负荷预测代码框架,推动AI技术在能源领域的落地应用;③帮助理解CNN、BiLSTM与Attention模块之间的协同机制及其在时序建模中的集成方式。; 阅读建议:建议读者结合所提供的Python代码进行动手实践,重点掌握数据归一化、滑动窗口构造、模型搭建与训练技巧,并尝试在不同地区、不同季节的负荷数据上进行迁移测试,以深入理解模型泛化能力与调参策略。
内容概要:本文围绕“MATLAB具有储能的经济调度及机会约束和鲁棒优化”展开,系统研究了电力系统中融合储能技术的经济调度问题,重点探讨了机会约束规划与鲁棒优化方法在应对新能源出力不确定性、负荷波动及系统运行风险中的应用。内容涵盖风光储协同调度、多微网共享储能、电动汽车参与调度、低碳经济调度等多种典型场景,深入分析了储能的选址定容、功率协调控制、状态估计与优化调度模型。核心技术包括粒子群优化(PSO)、分布鲁棒机会约束(DRCC)、模型预测控制(MPC)、鲁棒优化、二阶锥规划(SOCP)等先进算法,并提供了基于Matlab/Simulink的完整仿真代码实现,旨在提升新型电力系统的运行灵活性、经济性与抗风险能力。; 适合人群:具备电力系统、自动化、电气工程或相关专业背景,熟悉Matlab/Simulink仿真环境与基本优化算法,从事新能源并网、微电网运行、储能系统规划、电力市场调度等领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习并构建含储能的电力系统经济调度优化模型;② 掌握机会约束与鲁棒优化在处理新能源不确定性问题中的建模思路与求解方法;③ 利用提供的Matlab代码进行算法复现、仿真验证与性能对比,支撑科研项目攻关;④ 为撰写高水平学术论文、学位论文或工程优化方案提供可靠的模型参考与代码支持。; 阅读建议:建议读者结合文档中具体的案例(如风电-水电联合调度、电动汽车集群调度、多微网共享储能等)和配套的Matlab代码进行动手实践,重点关注优化模型的构建逻辑、约束条件设定与求解器配置过程,同时可关注公众号“荔枝科研社”获取完整资源包、复现教程及持续的技术支持。

3,248

社区成员

发帖
与我相关
我的任务
社区描述
ATL,Active Template Library活动(动态)模板库,是一种微软程序库,支持利用C++语言编写ASP代码以及其它ActiveX程序。
社区管理员
  • ATL/ActiveX/COM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