pb9 printopen问题

你的昵称已存在 2012-10-12 03:00:16
long ll_job
ll_job = printope()
if ll_job = -1 then
messagebox("提示","打印机没有准备好")
return
end if

printsend(ll_job,char(27) + char(48))
printdatawindow(ll_job,dw1)//dw1已经定义
printclose(ll_job)

以上程序代码 在PB状态下ll_job返回值正常

编译后 ll_job返回-1

急急急!!!

请各位大侠帮助!!!!
...全文
751 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
wxliangzyt 2013-11-16
  • 打赏
  • 举报
回复
找个打印的组件吧,别用这个了,pb自带的没那么好用
pb8 2013-11-12
  • 打赏
  • 举报
回复
编译后也是在本机吗?确定打印机驱动安装正常?
whuangqi 2013-11-12
  • 打赏
  • 举报
回复
引用 8 楼 lchming2002 的回复:
你为什么要用这个语句?我可以给你个打印的用户对象,可以解决你的问题。
期待您能发一份给我邮箱hhuangqifeng@163.com,非常感谢。
lchming2002 2012-12-19
  • 打赏
  • 举报
回复
你为什么要用这个语句?我可以给你个打印的用户对象,可以解决你的问题。
大连豆包 2012-12-15
  • 打赏
  • 举报
回复
提供三种可能的方法: 1.把所有对象regenerate一次,然后再重新编译。 2.重新安装pbvm 3.将pb9升级到8836补丁。
WorldMobile 2012-10-13
  • 打赏
  • 举报
回复
代码对吗?

long ll_job
ll_job = printope()
if ll_job = -1 then
messagebox("提示","打印机没有准备好")
return
end if

printsend(ll_job,char(27) + char(48))
printdatawindow(ll_job,dw1)//dw1已经定义
printclose(ll_job)

printope()应该是printopen()吧???

先试试dw_1.print()是否好用


如果在开发环境下好用,估计99%是缺少动态库造成的
a954105626 2012-10-13
  • 打赏
  • 举报
回复
编译后,在打印前重新设置一下打印机试一下
lxh_1763 2012-10-12
  • 打赏
  • 举报
回复
找个打印的组件吧,别用这个了,pb自带的没那么好用
  • 打赏
  • 举报
回复
我把PB下所有的DLL都拷贝过去了,问题依旧,

我也怀疑是少DLL。。

lxh_1763 2012-10-12
  • 打赏
  • 举报
回复
编译后挪动了环境造成编译环境和开发环境不一致?例如编译后执行少了dll?
  • 打赏
  • 举报
回复
pb版本 pb9.0.3 build 8004
内容概要:本文提出了一种促进可再生能源发电消纳的用户侧典型资源需求响应策略,并通过Matlab代码实现进行仿真验证。该策略聚焦于通过优化用户侧用电行为来提升电网对可再生能源波动性的适应能力,重点研究了需求响应机制下典型负荷资源的建模与调度方法。通过对用户侧可调节负荷(如温控负荷、电动汽车等)的特性分析,建立标准化的需求响应模型,结合电价激励或直接控制手段,引导用户在可再生能源出力高峰时段增加用电,在低谷时段减少用电,从而实现削峰填谷、提升新能源消纳水平的目标。研究还深入探讨了与共享储能系统的协同优化机制,进一步增强系统的灵活性和调节能力,为高比例可再生能源接入背景下的源网荷储协调运行提供技术支撑。; 适合人群:具备一定电力系统基础知识,从事新能源、需求响应、综合能源系统、电力市场等相关领域研究的科研人员及研究生。; 使用场景及目标:① 学习和复现用户侧需求响应在促进新能源消纳中的应用;② 掌握典型可调节负荷的精细化建模方法及其在Matlab中的程序实现;③ 为研究源网荷储协同优化、电力市场机制设计、综合能源系统调度等前沿课题提供可扩展的技术参考和代码基础。; 阅读建议:此资源包含完整的Matlab代码实现,建议读者在学习理论模型的同时,务必动手运行和调试代码,结合仿真结果深入理解需求响应策略的作用机理、优化过程及与共享储能协同的增益效果。
内容概要:本文围绕一个供应链产能分析项目的面试技术问题展开,深入探讨了LangGraph的状态机机制、工具调用原理、业务逻辑实现、流式传输、记忆管理、并发安全及系统优化方向。重点解析了State共享机制、reducer的作用、条件路由与循环控制、@tool装饰器自动生成Schema的原理,以及主子Agent分层设计带来的工具调用清晰性。同时指出了当前实现中存在的风险点,如共享状态导致的并发问题、明文配置安全隐患、模拟流式而非真正token流等,并提出了改进思路,包括引入锁机制、异步无状态架构、密钥管理服务和长期记忆RAG设计。此外还涉及测试缺失与性能瓶颈(如网关延迟、上下文膨胀)的应对策略。; 适合人群:具备一定Python与FastAPI开发经验,熟悉LangChain/LangGraph框架,正在准备AI工程化或供应链智能化相关岗位面试的中高级研发人员(工作2-5年)。; 使用场景及目标:①深入理解LangGraph在复杂业务场景中的状态流转与多Agent协作机制;②掌握工具调用、流式响应、记忆管理和安全性设计的最佳实践与常见陷阱;③在面试中展现对系统边界、稳定性、可扩展性的深度思考,提升技术表达的专业度与说服力。; 阅读建议:此资料适用于面试前冲刺复盘,建议结合“面试准备_精华版”对照学习,重点关注问题背后的架构权衡与改进方案,不仅能“背答案”,更要能“讲设计”。

611

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder DataWindow
社区管理员
  • DataWindow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