how can i backup the system clipboard?

Hackevin 2004-11-12 11:26:37

i have to use the system clipboard as a buffer, but i don't want to cleanup its contents.

how i can backup and restore what it has?

i try System.Windows.Forms.Clipboard, but there seems something wrong when i restore
the contents, that String[] dataFormArr = iData.GetFormats(); has some types missing.

and i want to know how i can do if the clipboard holds an image, wave or something.

thanks all

...全文

188 6 打赏收藏转发到动态举报

写回复

用AI写文章

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

jhtchina 2005-07-13

打赏
举报

mark

xzhy80 2005-07-13

打赏
举报

jimh 2004-11-12

打赏
举报

c# use
object obj = Clipboard.GetDataObject(); //save system clipboard data to obj
Clipboard.SetDataObject(obj); restore data to clipboard

Hackevin 2004-11-12

打赏
举报

up once

520NET 2004-11-12

打赏
举报

Hackevin 2004-11-12

打赏
举报

thank you, jimmy

when i set the obj back to the clipboard, i get an exception of "requested clipboard operation failed"

and i have just tested the text

LEGAL_PROCESS_REQUESTPRESERVATION_REQUEST_FORM.docx

visualstudioC#源码C#图解教程

内容概要：本文系统研究了基于CNN-BiLSTM-Attention混合深度学习模型的电力负荷预测方法，并提供了完整的Python代码实现。该模型通过卷积神经网络（CNN）有效提取负荷数据中的局部特征与空间模式，利用双向长短期记忆网络（BiLSTM）充分捕捉时间序列前后向的长期依赖关系，并结合注意力机制（Attention）动态聚焦于关键时间步的重要特征，从而显著提升预测的准确性与模型鲁棒性。文中详细阐述了数据预处理、模型架构设计、训练优化流程及实验验证过程，证明了该混合模型在处理非线性、非平稳电力负荷数据方面相较于传统模型具有明显优势。; 适合人群：具备Python编程能力和深度学习基础知识，从事电力系统、能源管理、智能电网或时间序列预测相关工作的科研人员与工程技术人员，特别适合高校研究生及企业研发岗位人员。; 使用场景及目标：①应用于电网调度、能源管理系统中的短期与超短期电力负荷预测；②提升对复杂用电行为和突发负荷变化的建模能力，优化电力资源配置与运行效率；③为需求响应、电力市场竞价及智能电网规划等提供高精度的数据支持。; 阅读建议：读者应结合所提供的Python代码进行动手实践，深入理解各模块的设计原理与实现细节，建议使用真实的电力负荷数据集进行模型复现、参数调优与性能对比，以全面掌握该混合模型在实际工程场景中的应用技巧与优化策略。

内容概要：本文深入对比Python数据类声明的两种主流方案，重点分析dataclasses模块（PEP 557）与attrs第三方库在功能覆盖、性能开销、扩展生态上的差异。文章从样板代码（boilerplate）消除出发，详解@dataclass装饰器的frozen/unsafe_hash/order/slot参数语义、field()函数的默认值工厂与元数据配置、以及__post_init__的初始化后处理钩子。通过代码示例展示attrs的validators验证器、converters类型转换器、以及auto_attribs的PEP 526注解兼容模式，同时介绍cattrs的序列化/反序列化适配、Pydantic的BaseModel运行时校验增强、以及marshmallow的Schema显式定义，最后给出在配置对象、DTO传输、领域模型等场景下的数据类选型建议与版本兼容性策略。 https://uefa.ogzhiboapptv.com/zuqiuliansai/yingchao/ https://uefa.ogzhiboapptv.com/zuqiuliansai/fajia/ https://uefa.ogzhiboapptv.com/zuqiuliansai/dejia/ https://uefa.ogzhiboapptv.com/zuqiuliansai/yijia/ https://uefa.ogzhiboapptv.com/news/zuqiu/254891.html

原创 Node.js 18+ 离线工具源码，含可直接运行的网页界面、独立核心算法、示例 JSON、自动化测试、HTML/JSON/SVG 报告、1080×720 真实运行截图、README、MIT LICENSE 与原创授权声明。适合开发、测试、运维与模型工程人员学习复用；不含第三方源码、模型权重、品牌素材或官方截图。