如何使键盘(上下左右和回车)能同时控制文本框和下拉框

han92 2014-08-18 10:53:12
最好给我个实例,详细的代码,我就是想做个小程序,我是个新手
...全文
388 7 打赏 收藏 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
於黾 2014-08-19
  • 打赏
  • 举报
回复
引用 6 楼 han92 的回复:
[quote=引用 5 楼 wangnaisheng 的回复:] 滑动条 当数据多时,自动就加上了; 你说的上下键选择控件本身就已经可以实现的,不用你写什么,唯一要写的就是回车响应时间,也就是选择改变事件; 你说的左右键,我也没弄过;不好意思了……
那我想使用API函数发送消息,在文本框上按 下 键发送消息给下拉框,使下拉框获取到焦点,这个怎么个实现?[/quote] 新手不要拍脑袋想一些方案 这个根本用不到消息.除非你想把消息发到另一个程序里去 直接对下拉框操作,让它获得焦点,执行.focus方法就行了
han92 2014-08-19
  • 打赏
  • 举报
回复
引用 5 楼 wangnaisheng 的回复:
滑动条 当数据多时,自动就加上了; 你说的上下键选择控件本身就已经可以实现的,不用你写什么,唯一要写的就是回车响应时间,也就是选择改变事件; 你说的左右键,我也没弄过;不好意思了……
那我想使用API函数发送消息,在文本框上按 下 键发送消息给下拉框,使下拉框获取到焦点,这个怎么个实现?
於黾 2014-08-18
  • 打赏
  • 举报
回复
新手老是不从需求出发,也不考虑到底要实现什么效果,就异想天开一些方案,然后求代码 控制文本框和下拉框不难,但是所谓同时控制,是怎么个控制法 上下左右和输入冲突又该怎么办(谁优先) 等你把这些都考虑好,再问该如何实现吧
wangnaisheng 2014-08-18
  • 打赏
  • 举报
回复
滑动条 当数据多时,自动就加上了; 你说的上下键选择控件本身就已经可以实现的,不用你写什么,唯一要写的就是回车响应时间,也就是选择改变事件; 你说的左右键,我也没弄过;不好意思了……
han92 2014-08-18
  • 打赏
  • 举报
回复
引用 2 楼 wangnaisheng 的回复:
我猜的没错,你应该是要文本框(Textbox)和下拉框(Combobox)自动联想功能 http://blog.sina.com.cn/s/blog_a575eb9401017ge6.html
嗯 我实现的是用下拉框和文本框两个控件合起来实现的,你这个就一个控件就实现了,所以我才问怎么用键盘控制两个控件实现,要是一个控件就不需要这么麻烦了,如果是一个文本框控件实现的话,怎么加个滑动条??,如果是两个控件的话怎么实现键盘控制????
於黾 2014-08-18
  • 打赏
  • 举报
回复
注意,是上下左右回车 我猜他是想做个类似打小坦克的游戏...
wangnaisheng 2014-08-18
  • 打赏
  • 举报
回复
我猜的没错,你应该是要文本框(Textbox)和下拉框(Combobox)自动联想功能 http://blog.sina.com.cn/s/blog_a575eb9401017ge6.html
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[领航车(leader)] · 训练集:414 张 · 验证集:39 张 · 测试集:20 张 · 总计:473 张 该数据集聚焦于室内走廊环境中对领航车的精准识别与定位,具备高度场景专一性与实际应用价值。图像采集于光线均匀、结构规整的建筑内部通道,背景干扰因素少,有利于模型在复杂环境下的目标提取能力训练。领航车作为核心检测对象,在不同距离和角度下均被清晰标注,为智能导航系统、自动化引导设备等提供可靠的数据支持。... 【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 77 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9950** mAP50-95 | 0.9141 Precision | 0.9985 Recall | 1.0000 train/box_loss | 0.5224 train/cls_loss | 0.2526 val/box_loss | 0.4307 val/cls_loss | 0.1407 【训练过程分析】 77 轮训练后 mAP50 达到 0.9950,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 0.9985、Recall 1.000... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

111,128

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