关于QUICKREPORT的多表查询的明细打印

nevergrief 2009-01-08 05:33:36
比如我有三个表,分别是 报纸,杂志,广告
可是别人交的是一张支票一齐付清这三笔钱。所以必须在一张发票上打印出三种不同类型的所有明细。

我用的QUICKREPORT,用它得detailBand能打印单张表的明细(查出来多少条明细就打印出来多少条),非常方便。但是这个方式只能打印一张表,怎么样才能把三张表里的不同内容都显示在一个DetailBand里呢(假设这三张表的字段名称全都是一样的;但是限于条件,我不可以把这三张表合并成一张表)。
...全文
237 6 打赏 收藏 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
zoujianqing 2009-01-13
  • 打赏
  • 举报
回复
[Quote=引用 2 楼 woniugongzuoshi 的回复:]
对了,你还可以在数据库中创建一个视图把3个表连接起来,然后直接使用这个视图。
[/Quote]


可以在数据库中建试图
faith10099 2009-01-12
  • 打赏
  • 举报
回复
活学活用,关键不在报表本身而在数据集

说白了,解决问题的关键是数据集,你想输出什么东西都可以靠修改数据集而得到
auqfiudh 2009-01-08
  • 打赏
  • 举报
回复
[Quote=引用 1 楼 woniugongzuoshi 的回复:]
数据源用查询呀,select * from 表1
union
select * from 表2
union
select * from 表3


[/Quote]
Select t1.aaa as aaa1,t2,aaa as aaa2,..... from (select * from 表1 as t1
union
select * from 表2 as t1
union
select * from 表3 as t1
)
jjwang2004 2009-01-08
  • 打赏
  • 举报
回复
使用主从报表
woniugongzuoshi 2009-01-08
  • 打赏
  • 举报
回复
对了,你还可以在数据库中创建一个视图把3个表连接起来,然后直接使用这个视图。
woniugongzuoshi 2009-01-08
  • 打赏
  • 举报
回复
数据源用查询呀,select * from 表1
union
select * from 表2
union
select * from 表3

源码链接: https://pan.quark.cn/s/9f500ac403c2 摄像头配置是嵌入式系统构建中的一个关键步骤,它涉及到硬件与软件的紧密协作。图像信号处理器(ISP)作为图像信号处理的核心单元,在摄像头配置过程中扮演着至关重要的角色。在硬件层面,它涵盖了摄像头与ISP之间的连接以及信号传输的细节;在软件层面,主要依托V4L2框架进行视频流的采集和处理。接下来将具体说明文档中涉及的硬件机制、软件机制、信号配置及V4L2等领域的摄像头配置实践经验。 ### 硬件机制与连接 文档首先阐述了硬件线路中中央处理器与摄像头之间的连接方式。在此,相机串行接口(CSI)模块是摄像头数据传输的核心部分,它负责与外部CMOS图像感应元件进行交互。CSI接口包含以下几个关键信号线: 1. **CSI_VSYNC (垂直同步信号)**:用于标示一帧图像的起始点。该信号传输方向为从图像感应元件(sensor)至应用处理器(AP)。 2. **CSI_HSYNC (水平同步信号)**:用于提供行同步信号,并用于识别消隐信号。同样,信号流向为sensor至AP。 3. **CSI_D[7:0]**:8位摄像头数据总线,用于传输各种图像数据,包括YUV、YCC、RGB或Bayer格式。数据流向为sensor至AP。 4. **CSI_MCLK (传感器主时钟信号)**:由传感器输出主时钟信号,为外部摄像头提供时钟基准。信号流向为AP至sensor。 5. **CSI_PIXCLK (像素时钟信号)**:由摄像头输出,通常与MCLK主时钟信号频率相同。信号流向为sensor至AP。 正确设置这些连接,确保信号同步传输,是硬件配置的基础。 ### 软件机制与驱动程序 摄像头驱动...
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[大豆(soybean)] · 训练集:777 张 · 验证集:0 张 · 测试集:0 张 · 总计:777 张 该数据集聚焦农业科研领域,针对温室环境下大豆幼苗的精准检测需求,为植物生长监测与自动化管理提供高质量数据支撑。训练集777张,验证集和测试集为0张,符合农业科研场景中对特定生长阶段样本集中训练的需求,确保模型在目标场景下的泛化能力。所有样本均采用精准的边界框标注,标注规范统一,确保了数据集在大豆幼苗检测任务中的高精度与可靠性。该数据集可应用于农业科研机构的植物生长监测系统、智能温室管理平台等场景,... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9922** mAP50-95 | 0.9141 Precision | 0.9771 Recall | 0.9710 train/box_loss | 0.4231 train/cls_loss | 0.1829 val/box_loss | 0.3920 val/cls_loss | 0.1737 【训练过程分析】 100 轮训练后 mAP50 达到 0.9922,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9141,和 mAP50 差距仅 0.08,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9771、Recall 0.9710,精召双高,模型对大豆的检测能力强。...

5,943

社区成员

发帖
与我相关
我的任务
社区描述
Delphi 开发及应用
社区管理员
  • VCL组件开发及应用社区
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