关于自己写的程序去调用外部程序,不管调用那一个的都只有一个实例运行,请jisiping大哥再帮忙看一下

karykwan 2005-07-05 09:13:16
原贴子在:http://community.csdn.net/Expert/topic/4108/4108003.xml?temp=.4015161
是关于自己写的程序去调用外部程序,不管调用那一个的都只有一个实例运行的问题.
jishiping大哥的回答是这样
STARTUPINFO siStarInfo={0};
//piProcInfo必须是局部静态变量,或者是全局变量,或者是class的成员变量
static PROCESS_INFORMATION piProcInfo={0};
//ShowMessage(urlstr.c_str());//程序的详细路径,如c:\\windows\\system32\\notepad.exe
siStarInfo.cb = sizeof(STARTUPINFO);
siStarInfo .lpReserved = NULL;
siStarInfo.lpReserved2 = NULL;
siStarInfo.cbReserved2 = 0;
siStarInfo.lpDesktop = NULL;
siStarInfo.dwFlags = 0;

if (FindProgram(urlstr.c_str()))
ShowMessage("程序已经在运行之中!你从任务栏最大化!");
// if(piProcInfo.hProcess&&WaitForSingleObject(piProcInfo.hProcess,0)==WAIT_TIMEOUT)
// ShowMessage("程序已经在运行之中!你从任务栏最大化!");
else
{
Application->MessageBox("提示:外挂只能启动一个,挂机后直接关闭IE就行!","提示 ", MB_OK);
CreateProcess(NULL,urlstr.c_str(),NULL,NULL,false,NULL,NULL,NULL,&siStarInfo,&piProcInfo);
}
}

-----------其中-->
BOOL GetProcessModule(DWORD dwPID, LPCSTR ExeName)
{
BOOL bRet = FALSE;
HANDLE hModuleSnap;
MODULEENTRY32 me32 = { 0 };

hModuleSnap = CreateToolhelp32Snapshot(
TH32CS_SNAPMODULE, dwPID);
if (hModuleSnap==(HANDLE)-1)
return FALSE;

me32.dwSize = sizeof(MODULEENTRY32);
if (!Module32First(hModuleSnap,&me32))
{
CloseHandle (hModuleSnap);
return FALSE;
}
do {
if (!strcmpi(me32.szExePath,ExeName)) {
bRet = TRUE;
break;
}
}while(Module32Next(hModuleSnap, &me32));
CloseHandle (hModuleSnap);
return bRet;
}

BOOL FindProgram(LPCSTR ExeName)
{
BOOL bRet = FALSE;
LPCSTR Name = NULL;
HANDLE hProcessSnap;
PROCESSENTRY32 pe32 = {0};

hProcessSnap = CreateToolhelp32Snapshot(
TH32CS_SNAPPROCESS, 0);
if (hProcessSnap==(HANDLE)-1) return FALSE;

pe32.dwSize = sizeof(PROCESSENTRY32);
if (!Process32First(hProcessSnap, &pe32)) {
CloseHandle (hProcessSnap);
return FALSE;
}

Name = strrchr(ExeName, '\\');
Name = Name?Name+1 : ExeName; //这里得到程序的名字
ShowMessage(Name);
do {
if (!strcmpi(pe32.szExeFile,Name)&&GetProcessModule(pe32.th32ProcessID,ExeName))
{
ShowMessage(pe32.szExeFile);
bRet = TRUE; break;
}
}while(Process32Next(hProcessSnap,&pe32));
CloseHandle(hProcessSnap);
return bRet;
}

可我在调试时,不能成功~~请各位帮忙看一下~~分不够,俺再加
...全文
316 7 打赏 收藏 转发到动态 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
minlulu 2005-12-26
  • 打赏
  • 举报
回复
xue
jishiping 2005-07-06
  • 打赏
  • 举报
回复
我之前就已经说了,和登录窗口或者是启动画面无关。程序有登录窗口或者是启动画面,使用上面的方法都市可以的。如果在你自己的测试中发现不行,那么我可以可带领,你看到的登录窗口或者是启动画面,肯定是另一个EXE产生的,而不是你调用的EXE显示的画面。
FengSC 2005-07-06
  • 打赏
  • 举报
回复
不管有没有登陆窗口或启动画面,一般在进程列表中都会出现,你的程序没有对输入的程序名称和从me32.szExePath中得到的程序名进行大小写判断,统一转换为大写应该可以解决。
karykwan 2005-07-06
  • 打赏
  • 举报
回复
终于在 FengSC的帮助下,解决了.感谢 jishiping 感谢FengSC 感谢CSDN
jishiping 2005-07-06
  • 打赏
  • 举报
回复
另外,还有一个例外,就是你调用的EXE,使用的是短文件名。比如,EXE的名字是
C:\Program Files\Folder\TestProgram.exe,这儿目录含长文件名,EXE的名字也
含有长文件名(不是8.3格式),但是你调用的时候,使用的是8.3格式的短文件名,
那么使用上面的代码,也会出现问题。
karykwan 2005-07-05
  • 打赏
  • 举报
回复
如果是有个登录窗口,或者是有个启动画面的,就不行了
FengSC 2005-07-05
  • 打赏
  • 举报
回复
我测试过了,可以实现
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, ...
内容概要:本文系统阐述了基于BP神经网络的语音特征信号分类方法,并提供了完整的Matlab代码实现。研究围绕语音信号的数据预处理、特征提取、神经网络结构设计、模型训练与分类测试等核心环节展开,详细展示了BP神经网络在语音识别任务中的应用流程。通过构建多层前馈网络模型,利用误差反向传播算法优化权重,实现了对不同语音类别特征的高效分类,具有较强的工程实践价值和技术可复现性。; 适合人群:具备信号处理与机器学习基础知识,熟悉Matlab编程语言,从事语音识别、模式识别、人工智能等相关领域研究的学生及科研人员;特别适用于开展课程设计、毕业设计或科研项目的初级与中级研究人员。; 使用场景及目标:①深入理解BP神经网络的基本原理及其在语音信号分类中的具体实现过程;②掌握Matlab环境下语音信号特征提取与分类模型构建的全流程技术;③为语音识别、人机交互、智能听觉系统等实际应用场景提供可靠的算法基础与代码参考。; 阅读建议:建议读者结合所提供的Matlab代码逐行分析其实现逻辑,重点关注数据输入格式、网络参数初始化、训练迭代过程及分类性能评估;可通过调整隐含层节点数、学习率、激活函数等超参数,观察模型收敛性与分类准确率的变化,从而深化对神经网络调参策略的理解。

13,872

社区成员

发帖
与我相关
我的任务
社区描述
C++ Builder相关内容讨论区
社区管理员
  • 基础类社区
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