*** 切分窗口中的问题 ***

qq_13939330 qq_13939330 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
BOOL XXXX::OnCreateClient(LPCREATESTRUCT lpcs, CCreateContext* pContext)
{
if (!m_wndSplitter1.CreateStatic(this, 1, 2))
{
return FALSE;
}


if (!m_wndSplitter1.CreateView(0, 0, RUNTIME_CLASS(CGameView), CSize(500, 0), pContext) )
{
m_wndSplitter1.DestroyWindow();
return FALSE;
}



if (!m_wndSplitter2.CreateStatic(&m_wndSplitter1, 2, 1,WS_CHILD|WS_VISIBLE,m_wndSplitter1.IdFromRowCol(0, 1)))
{
return FALSE;
}
if (!m_wndSplitter2.CreateView(0, 0, RUNTIME_CLASS(CClientView), CSize(600, 300), pContext) ||
!m_wndSplitter2.CreateView(1, 0, RUNTIME_CLASS(CSysMsgView), CSize(600, 0), pContext))
{
m_wndSplitter2.DestroyWindow();
return FALSE;
}

return CFrameWnd::OnCreateClient(lpcs, pContext);
}
_______________
| |
| |
|_______|
| |
| |
______|_______|



最后我要得到右下角的视图:
CWnd* pWnd = m_wndSplitter2.GetPane(1, 0);
CXXXXView* pView = DYNAMIC_DOWNCAST(CXXXXView, pWnd);
return pView;

这样为什么会出错呢??

我调到
CWnd* CSplitterWnd::GetPane(int row, int col) const
{
ASSERT_VALID(this); <--------------出错XXXXXXXXXXXXXXXXXXXXX

CWnd* pView = GetDlgItem(IdFromRowCol(row, col));
ASSERT(pView != NULL); // panes can be a CWnd, but are usually CViews
return pView;
}
...全文

相关推荐

计算机网络和数据库面试问题汇总

计算机网络和数据库面试问题汇总 计算机网络和数据库面试问题汇总

caofeng891102

大数据方向面试题大全.pdf

计算机文档

超级源码阿

Claude 3.7上下文窗口‘蒸发’:告别token计算的LLM开发新范式

大语言模型的上下文窗口,传统上是固定长度的硬性约束,依赖客户端手动分块、token计数与空间预留,导致截断错误、上下文丢失和高维护成本。其底层原理在于模型对输入长度的静态感知与生成空间的刚性分配。随着模型原生能力增强,技术价值正从‘参数可控’转向‘语义自适应’——通过动态窗口感知、生成空间自适应和状态残留智能衰减,实现更鲁棒、更高效、更自然的人机交互。典型应用场景包括长文档问答、多轮客服对话与合规敏感内容处理。Claude 3.7正是这一演进的关键落地,它将显式上下文管理模块‘蒸发’,使开发者无需再调用ti

weixin_33690367

办公智能体落地拆解:腾讯Agent Suite核心能力与实施路径

在企业数字化进程中,智能体(Agent)正从简单的对话交互演变为能够自主拆解任务、调用工具、串联业务流程的自动化执行体。其核心原理在于目标驱动与工具调用,让机器从“理解问题”走向“解决问题”。相比传统RPA和低代码平台,智能体具备更强的语义理解与动态决策能力,可显著提升办公场景下的流程自动化水平。在会议纪要与待办闭环、知识库问答、文档处理、审批汇总等高频场景中,智能体通过流程编排、Function Calling与多智能体协同,能够打通系统孤岛,将碎片化信息转化为可执行的业务动作。然而,要从POC走向生产,

weixin_34337381

多维聚合实战:GROUPING SETS、窗口函数与稀疏性处理

多维聚合是BI报表、指标体系和机器学习特征工程的核心数据操作,其本质是在多个维度交叉下对原始数据进行语义保持的汇总计算。传统GROUP BY在面对维度稀疏性、层级关系和动态基准需求时极易失效,导致空值误判、同比失真与TOP N逻辑崩溃。现代解决方案依赖GROUPING SETS实现一次扫描多维组合,结合窗口函数完成聚合后计算(如占比、滚动均值),并通过GENERATE_SERIES或维度补全策略应对隐式缺失问题。技术价值在于保障‘数字可解释’——每个NULL都需明确区分是数据缺失、分组折叠还是计算空集。典型

weixin_30564901
评论 4
收藏 已收藏
分享
返回顶部
qq_13939330
界面 15,976 成员 115,866 内容