Windows SDK/API
dll自动注册出现的诡异现象
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区
procedure TMyFactory.UpdateRegistry(Register: Boolean);
var
dllpath: array[0..1023] of char;
begin
inherited UpdateRegistry(Register);
GetModuleFileName(HInstance, dllpath, SizeOf(dllpath));
ShowMessage(dllpath); // 这里显示的是实际运行的dll路径
CreateRegKey('CLSID\' + GUIDTOSTRING(CLASSID), '', 'My');
CreateRegKey('CLSID\' + GUIDTOSTRING(CLASSID) + '\InProcServer32', '', dllpath);
// 注册表里显示的却是dll的编译路径，上面传进去的参数也是实际运行的路径，真的是太奇怪了？
CreateRegKey('CLSID\' + GUIDTOSTRING(CLASSID) + '\InProcServer32', 'ThreadingModel', 'Apartment');
end;
而且将编译的dll文件复制到其他电脑上，也是dll编译时的路径，太郁闷了？
相关推荐
测试右键菜单
测试右键菜单的一个很奇怪的现象。诡异事件。
解决欧路词典与软件冲突的DLL问题
动态链接库（DLL）是Windows系统中实现代码共享的重要机制，但其版本冲突问题常导致应用程序错误。当不同软件加载同名但版本不兼容的DLL时，就会出现经典的DLL Hell现象。通过分析进程依赖关系和内存转储，可以准确定位冲突源。本文以欧路词典与FuncServer_WDC_x86.exe的冲突为例，探讨了使用沙盒隔离、更新VC++运行库等解决方案，并介绍了Process Monitor等实用排查工具。这些方法不仅适用于词典软件冲突，也可推广到其他DLL兼容性问题场景。
工业自动化中ICP Family DLL编程：从驱动模式到独立模式的实战指南
动态链接库（DLL）作为软件复用的核心技术，通过封装函数接口实现代码模块化，在工业自动化领域扮演着硬件与软件间的关键桥梁角色。其核心原理在于运行时动态加载，为上层应用提供统一的硬件访问抽象层，从而显著提升开发效率和系统可维护性。在数据采集与运动控制场景中，DLL技术价值体现在隔离硬件复杂性、实现跨语言调用以及便于驱动更新。针对工业计算机（IPC）的ICP硬件家族，开发者常面临PC驱动模式与独立模式的选择难题：驱动模式依赖内核驱动，适合高性能实时采集；独立模式基于通用通信协议，简化部署并提升兼容性。本文聚焦I
【高速互连技术】基于线性均衡的PCIe链路扩展方案：重驱动器在高损耗通道中的信号完整性优化
内容概要：本文介绍了如何利用线性均衡技术扩展PCI Express（PCIe）链路的传输距离，重点探讨了重驱动器（Re-Driver）在补偿PCB和电缆信道损耗中的作用。文章回顾了Re-Driver的发展历程，分析其性能特点，解释其在不同信道环境下的应用条件，并强调线性操作对保持信号完整性及满足PCIe规范的重要性。通过眼图分析、频率响应和Tx预设波形等手段，展示了R
谐波去噪基于随机奇异值分解和软阈值的大型数据集中的强大高效谐波去噪研究（Matlab代码实现）
内容概要：本文研究了一种基于随机奇异值分解（Randomized SVD）和软阈值（Soft Thresholding）的高效谐波去噪方法，旨在解决大型数据集中谐波干扰的抑制问题。该方法通过引入随机化技术加速传统奇异值分解过程，在保障信号主要特征完整性的同时，显著提升了高维数据处理的计算效率与实时性，适用于电力系统、通信等领域的复杂信号处理场景。文中系统阐述了算法的数学理论基础、实现步骤及在Matlab环境下的具体代码实现，并通过仿真实验验证了其在不同噪声水平下对谐波成分的有效识别与去除能力，展现出优异的鲁棒性与工程实用价值。; 适合人群：具备一定信号处理理论基础和Matlab编程能力，从事电力系统分析、通信工程、自动化控制或相关领域研究的研发人员及硕士、博士研究生。; 使用场景及目标：①应用于大规模实测信号中谐波成分的快速提取与抑制；②用于提升电能质量监测、设备故障诊断、精密仪器测量等应用中的信号信噪比；③为高维时序数据的高效去噪提供可复现、易部署的算法模板与技术参考。; 阅读建议：建议读者结合提供的Matlab代码逐模块理解算法实现细节，重点掌握随机SVD与软阈值去噪的协同机制，并尝试在实际采集数据上进行参数调优与性能测试，以深入理解其适用边界与优化潜力。
