Ext中高级搜索之后不能store不能加载最新的数据源

ws_hgo ws_hgo 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 + 加入社区
 //高级搜索弹出层
var Search_Window = new Ext.Window({
collapsible: true,
maximizable: true,
minWidth: 300,
minHeight: 180,
width:386,
height:250,
modal:true,
title:'高级搜索对话框',
closeAction:"hide",
layout: 'fit',
plain: true,
bodyStyle: 'padding:5px;',
buttonAlign: 'center',
items: Search_Panel,
buttons: [{
text: '提交',
handler:function(){

var IndustryNum=Search_Panel.getForm().findField('IndustryNum').getValue();
var UserName=Ext.getCmp("cbxj").getValue()
var RoleName=Search_Panel.getForm().findField('RoleName').getValue();
// var RoleName="";
var Sex=Search_Panel.getForm().findField('Sex').getValue();
var IP1=Search_Panel.getForm().findField('IP1').getValue();
var IP2=Search_Panel.getForm().findField('IP2').getValue();


jsonData= {operatype:'Express_find',IndustryNum:IndustryNum,UserName:UserName,RoleName:RoleName,Sex:Sex,IP1:IP1,IP2:IP2};
Search_Window.hide();
CodeOperaSearch('../../WebUI/UserManage/UserManage.aspx',jsonData);
store.reload();
grid.store.reload();



}
},{
text: '关闭',
handler:function(){Search_Window.hide();}

}]
});

//高级搜索后台程序
var CodeOperaSearch=function(u,p){
var conn=new Ext.data.Connection();
conn.request({
url:u,
params:p,
method:'post',
scope:this,
callback:function(options,success,response){

if(success){
//

//Ext.MessageBox.alert('Info',response.responseText);
//store:response.responseText;这里的response.responseText是我查询之后我想要的信息,但是页面上面
//不能重新加载我的数据源
store.reload();
grid.store.reload();
}
else{

Ext.MessageBox.alert("提示","所提交的操作失败!");
Ext.MessageBox.alert('Info',response.responseText);
}

}});};
...全文

相关推荐

Ext.data.Store的基本用法

Ext.data.Store的基本用法 Ext.data.Store的基本用法 Ext.data.Store的基本用法

笑羽酣天

LlamaIndex企业级RAG架构:从混合检索到权限治理的系统工程

RAG(检索增强生成)作为当前AI应用落地的核心范式,其本质是将信息检索与大语言模型协同的系统性工程。理解RAG需先把握其基础原理:通过向量检索实现语义匹配,结合关键词检索保障术语精确性,再经重排序与后处理实现结果优化。技术价值在于突破LLM幻觉与知识时效瓶颈,支撑金融、医疗等强合规场景下的高精度、低延迟、可审计知识服务。典型应用场景包括智能客服、法规问答、内部知识中枢等。而LlamaIndex正因其对检索层的深度抽象能力——涵盖分块建模、混合检索(BM25+BGE-M3)、元数据驱动过滤及可观测性集成——

weixin_30466039

Fama-French五因子模型Stata实证分析:数据获取、回归检验与实战指南

多因子模型是资产定价和量化投资领域的核心分析框架,它通过识别并量化多个系统性风险因子来解释资产收益率的截面差异。其基本原理在于,资产的预期超额收益率主要取决于其对一系列共同风险因子的暴露程度。在众多模型中,Fama-French五因子模型因其对市场、规模、价值、盈利和投资风格因子的综合考量,在学术研究和业界实践中被广泛应用,尤其在检验市场有效性、解释股票收益异象和评估投资组合绩效方面具有重要技术价值。对于金融实证研究者而言,掌握从权威数据源获取长期、规范的因子数据,并熟练运用Stata等统计软件进行完整的模

JhonXie

TimesFM:Google定义的时间序列基础模型与原生建模范式

时间序列预测长期受限于特征工程依赖、数据频率绑定和任务耦合等固有瓶颈。TimesFM作为首个面向时序本质的Foundational Model,摒弃传统分解与先验假设,采用token化序列建模与超大规模自监督预训练,将时间序列视为可学习的‘时序语言’。其核心价值在于解耦数据形态、特征构造与下游任务,实现跨频率、跨领域、低样本的通用表征能力。在金融量化、工业预测性维护、电商库存调度等真实场景中,显著降低MLOps复杂度并提升数据效率。本文深入解析TimesFM的序列原生设计、自适应分桶机制、时序感知Trans

dengyulong

Ext数据模型Store

Ext数据模型Store DataProxy Record DataReader

loveselience
评论 26
收藏 已收藏
分享
返回顶部
ws_hgo
JavaScript 87,984 成员 224,680 内容