对象序列化后......

ludevica 2010-10-20 02:09:54
以对象序列化后:
<person>
<name>mary</name>
<age>28></age>
</person>.
我现想把序列化后的xml改成:
<person>
<female>
<name>mary</name>
<age>28></age>
<female>
</person>.
请问有什么api可供使用?谢谢!
...全文
229 8 打赏 收藏 转发到动态 举报
写回复
用AI写文章
8 条回复
切换为时间正序
请发表友善的回复…
发表回复
wuyq11 2010-10-20
  • 打赏
  • 举报
回复
xml直接插入节点public void Insert(string path, string node, string element, string attribute, string value)
{
try
{
XmlDocument doc = new XmlDocument();
doc.Load(path);
XmlNode xn = doc.SelectSingleNode(node);
if (element.Equals(""))
{
if (!attribute.Equals(""))
{
XmlElement xe = (XmlElement)xn;
xe.SetAttribute(attribute, value);
}
}
else
{
XmlElement xe = doc.CreateElement(element);
if (attribute.Equals(""))
{
xe.InnerText = value;
}
else
{
xe.SetAttribute(attribute, value);
}
xn.AppendChild(xe);
}
doc.Save(path);
}
catch { }
}
铛铛 2010-10-20
  • 打赏
  • 举报
回复
[Quote=引用 1 楼 lost_painting 的回复:]
可以直接操作XML.

问题是,你为什么要修改对象序列化之后的XML.
修改之后的XML是不能再反序列化来使用了,因为你人为的更改了该XML.
[/Quote]
++
修改之后你还能做什么用呢?
symbol_bc 2010-10-20
  • 打赏
  • 举报
回复
在通常情况下,序列化后的结果还要被反序列化为对象,如果更改,则无法反序列化。

轻微更改时,可以通过序列化特性标记来实现,但是复杂的话,就要继承IXmlSerializable 接口实现。
蔡袅 2010-10-20
  • 打赏
  • 举报
回复
我觉得还是操作xml的问题
看看我空间这篇 C# xml 增删查改实例
SecretGarden 2010-10-20
  • 打赏
  • 举报
回复
自己序列化的话,可以按任意格式,参见:XMLDocument
如果想利用 .NET 的缺省序列化机制,则需要更改你的类设计:

[Serializable()]
public class Person
{
public Females females;
}

[Serializable()]
public class Females
{
public string Name;
public string Age;
}
hztltgg 2010-10-20
  • 打赏
  • 举报
回复
如何得知mary是female?
鸭梨山大帝 2010-10-20
  • 打赏
  • 举报
回复
可以直接操作XML.

问题是,你为什么要修改对象序列化之后的XML.
修改之后的XML是不能再反序列化来使用了,因为你人为的更改了该XML.
内容概要:本文系统研究了基于W-GAN(Wasserstein生成对抗网络)的光伏出力场景生成方法,并提供了完整的Python代码实现。该方法充分利用W-GAN在捕捉复杂数据分布方面的优势,能够生成具有高度真实性与时序一致性的光伏发电功率场景,有效解决了传统场景生成方法在处理非线性、非平稳光伏数据时存在的模式坍塌与分布偏差问题。研究内容涵盖网络架构设计、梯度惩罚机制引入以保障训练稳定性、损失函数优化及生成样本质量评估等关键环节,生成的场景可用于电力系统规划、运行调度、储能配置及风险评估等任务,尤其适用于高比例可再生能源接入背景下的不确定性建模需求。; 适合人群:具备一定Python编程能力、深度学习基础理论知识的研究生、科研人员,以及从事新能源发电预测、电力系统优化调度等相关领域的工程技术人员。; 使用场景及目标:①实现光伏出力不确定性建模,生成满足统计特性的典型与极端功率场景;②支撑含光伏的微电网、主动配电网的优化调度、可靠性分析与韧性评估;③作为深度学习在能源时序数据生成领域的一个典型案例,服务于教学演示与学术研究。; 阅读建议:建议结合所提供的Python代码进行动手实践,重点理解W-GAN中判别器(Critic)结构、梯度惩罚项(Gradient Penalty)的实现原理,并通过可视化手段对比原始数据与生成数据的分布特征,进一步可尝试将其与传统GAN、VAE或DDPM等生成模型在场景多样性、保真度方面进行横向比较。

111,129

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧