如何抓取「鼠標或用鍵盤選取中」的檔案清單?

baidu_23677379 2015-09-04 03:33:25

想做一个功能按下热键会判断
目前所选的档案为哪些之后我要再做一些处理
但是查不到如何抓取选取中的档案
我觉得理论上应该是可以

原因就是
否则微软的 Ctrl +C 跟 Ctrl+X，当按下时怎么取的到档案清单

但是google查好久，都找不到相关文章

如何抓抓取“选取中”的档案清单

请问有相关范例，或是我应该找什么关键字吗？

现在想到一个笨法方式，按下热键 → 触发 Ctrl + X
我在去读取剪贴簿就好了，但是这样会覆盖掉
原先的剪贴簿，所以暂时不打算这样做

...全文

199 6 打赏收藏转发到动态举报

写回复

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

qbilbo 2015-09-07

打赏
举报

回复

去搜索一下shell编程，看看是不是你想要的东西。

crystal_lz 2015-09-07

打赏
举报

回复

ctrl c ctrl x 什么的是控件本身就处理了的吧

Poopaye 2015-09-07

打赏
举报

回复

引用 3 楼 baidu_23677379 的回复:

[quote=引用 1 楼 shingoscar 的回复:] 要看控件的，比如TextBox可以用 textBox.SelectedText

我是要做全區域的。不是在Textbox 之類的物件底下＠＠ [/quote] 没有所谓全区域的，都是控件自己处理的，只不过大部分都是微软提供的

baidu_23677379 2015-09-07

打赏
举报

回复

引用 2 楼 crystal_lz 的回复:

ctrl c ctrl x 什么的是控件本身就处理了的吧

所以是微軟常駐一個程式。也是全區域再監測是否按下 Ctrl c、X 嗎＠＠？我想做一個傳送檔案的程式 1.目前使用者選取的檔案 2.按下快捷鍵就傳送到指定的地方不想要拉到某個資料夾，然後再觸發幾秒的計時器，感覺這樣效能不好想很久最好的方法就是，按下快捷鍵才送但是要送什麼呢？送的東西就是你所選的東西就如同 Ctrl c、x 但是不知道他是怎麼取到的我不想觸發了Ctrl + X 因為這樣會把剪貼簿覆蓋掉

baidu_23677379 2015-09-07

打赏
举报

回复

引用 1 楼 shingoscar 的回复:

要看控件的，比如TextBox可以用 textBox.SelectedText

我是要做全區域的。不是在Textbox 之類的物件底下＠＠

Poopaye 2015-09-04

打赏
举报

回复

要看控件的，比如TextBox可以用 textBox.SelectedText

AI工具的合规使用，本质是人机协作中的身份可信度问题。OpenAI等平台并非基于关键词或内容敏感性进行审查，而是依托行为指纹模型——通过请求节奏、输出熵值、IP-DNS一致性等维度，构建用户是否为真实人类的专业判断。这种风控逻辑源于商业信用体系，与银行反欺诈机制高度相似：关注操作路径是否符合职业身份与生理规律，而非文本表层含义。因此，‘AI合规’的核心转向可验证的行为建模：注入人类决策噪声、扰动文本结构熵值、固化数字身份锚点。本文聚焦ChatGPT高频封禁场景，结合73个实测账号日志与2024年Q3最新风控

该博客系统构建了覆盖游戏、电商、医疗、工业等多领域的前端交互参数知识库，涵盖视觉/听觉/触觉反馈设计、多模态交互参数（如连击时间窗口、压力阈值、路径预测长度）、人因工程原理（费茨定律、希克定律）、性能指标（响应时间、帧率、准确率）及技术实现（CSS动画、WebGL、MediaPipe、A*算法、核密度估计）。所有条目均强调跨平台适配、多感官协同与实时性保障。

内容概要：本文研究了基于Q-Learning自适应强化学习的PID控制器在自主水下航行器（AUV）运动控制中的应用，旨在提升其在复杂海洋环境下的控制性能。通过建立AUV的动力学模型，将Q-Learning算法与传统PID控制相结合，实现控制器参数的在线自适应优化，有效增强了系统的响应速度、稳定性和抗干扰能力。研究采用Matlab进行仿真验证，结果表明该方法在轨迹跟踪与姿态控制方面具有优越表现，为水下机器人智能控制提供了可行的技术路径与理论支持。; 适合人群：具备自动控制理论、强化学习或水下机器人建模背景，从事相关科研工作的研究人员、高校研究生及工程技术开发者。; 使用场景及目标：①应用于高精度、强鲁棒性的水下机器人运动控制系统设计；②开展智能PID控制器在非线性、时变系统中的参数自整定研究；③作为强化学习在复杂工业控制场景中落地的典型案例参考，推动算法与工程实践融合。; 阅读建议：建议结合提供的Matlab代码进行仿真实验，重点剖析Q-Learning与PID融合的架构设计、奖励函数设定及参数收敛过程，可进一步拓展至与其他智能优化算法（如DQN、Actor-Critic）的对比研究，深化对自适应控制机制的理解。

已经博主授权,源码转载自 https://pan.quark.cn/s/a4b39357ea24 Matlab 被视为一种功能卓越的编程平台，特别是在数值运算和数据分析方面展现出广泛的应用价值。在应对多元非线性回归的挑战时，Matlab 拥备多种工具和函数，支持用户对复杂的数据进行构建模型和适配。本指南将重点阐释在 Matlab 环境下如何执行多元非线性回归分析。我们需要掌握三种关键的回归指令： 1. `polyfit(x,y,n)`：此函数适用于拟合一元幂函数，能够导出一个多项式模型。例如，若知晓数据呈现二次函数形态，可选择`n=2`来适配一个二次曲线。 2. `regress(y,x)`：这是一个多元线性回归指令，能够处理多个自变量对因变量的影响。即便数据并非完全呈现线性特征，该函数也能提供一个线性近似。 3. `nlinfit(x,y,’fun’,beta0)`：这是最为通用的非线性回归指令，适用于适配任何类型的函数，无论是一元或多元，前提是用户能够定义函数形式（`fun`参数）。回归分析的核心在于寻找一组最优的系数，使得模型能够最恰当地描述数据。这通常涉及选择一个合适的函数形态，随后通过最小化误差平方和来估算系数。在Matlab中，`regress`指令主要用于处理线性模型，而`nlinfit`则处理更为复杂的非线性模型。对于多元线性回归模型，我们可以用如下形式进行表述： \[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + \cdots + \beta_px_p + \epsilon \] 其中，\( y \)是因变量，\( x_1, x_2, \ldots, x_p \)是自变量，\( \beta_0, \beta_1, ...

政府科技管理者在制定产业政策时，如何借助产业大脑获取精准的产业图谱与招商画像？

111,129

社区成员

642,536

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

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

+ 用AI写文章