excel中第一列为数字时取不到值

yc1042 yc1042 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
从excel文件中导入数据,如果其中某行的第一列是0-9组成的数字时,总是取不到值,百思不解

源码:
<%
''excel文件中的内容''
'姓名 办公电话 住宅电话 小灵通 手机 email 生日 备注
'433 4444444 4444444
'zz 8888888 3333333 33333333333

dim filepath, fileEXT
filepath = "test.xls"
fileEXT = ".xls"

if fileEXT=".xls" then
on error resume next
Dim objExcelApp, objExcelBook, arrSheet1
Set objExcelApp = CreateObject("Excel.Application")
objExcelApp.Quit
objExcelApp.DisplayAlerts = False
objExcelApp.Application.Visible = False
objExcelApp.WorkBooks.Open(server.MapPath(filepath))
set objExcelBook = objExcelApp.ActiveWorkBook
if objExcelBook.Sheets.Count<1 then
Response.write "<script>alert('1没有找到适合导入的数据!!');</script>"
end if
arrSheet1 = objExcelBook.Sheets(1).Name
objExcelApp.Quit
Set objExeclApp = Nothing

Dim Connxls,Driver,DBPath,Rs
Set Connxls = Server.CreateObject("ADODB.Connection")
Driver = "Driver={Microsoft Excel Driver (*.xls)};"
DBPath = "DBQ=" & server.MapPath(filepath)
Connxls.Open Driver & DBPath
Sql = "SELECT * FROM ["&arrSheet1&"$] "
Set Rs = Connxls.Execute(Sql)
If Rs.Eof or Rs.Bof Then
Response.write "<script>alert('2没有找到适合导入的数据!!!');</script>"
response.end
Else
Do While Not Rs.Eof
iLoop = 0
tmpStr = "'"&"myname"&"','"&"ListName"&"'"
while iLoop<8 and iLoop<Rs.Fields.Count
tmpStr = tmpStr&",'"
tmpStr = tmpStr&replace(Cstr(Rs(iLoop).value),"'","''")
tmpStr = tmpStr&"'"
iLoop = iLoop + 1
wend
while iLoop<8
tmpStr = tmpStr&",''"
iLoop = iLoop + 1
wend
sqlinsert = "insert into addressList values("&tmpStr&")"
response.write sqlinsert&"--"
'发现sqlinsert的内容是:insert into addressList values('myname','ListName','','4444444','','4444444','','','','')--
'而我希望的是: insert into addressList values('myname','ListName','433','4444444','','4444444','','','','')--
'conn.execute SqlInsert
Rs.MoveNext
Loop
Response.Write "<script>alert('成功导入Excel文件中的数据');</script>"
End If
Rs.Close
Set Rs = Nothing
Connxls.close
set Connxls = Nothing
end if
%>
问题详述:源代码的第53行
...全文

相关推荐

基于深度注意力机制的图像引导滤波器设计与应用研究-可实现的-有问题请联系博主,博主会第一时间回复!!!

内容概要:本文提出了一个有效的深度注意力引导图像过滤框架(DAGF),旨在解决传统引导滤波方法中存在的各种问题,如边缘模糊和纹理复制等。DAGF通过提出一种注意核学习模块来从引导图像和目标图像中生成双组滤波核,并通过像素级自适应组合这些滤波核,有效整合两种图像中的互补信息。此外,还引入了多尺度引导滤波模块和多层次损失函数,进一步提升模型性能。实验结果表明,DAGF在多种引导图像滤波任务上均优于现有方法。 适合人群:计算机视觉领域的研究人员和技术开发者。 使用场景及目标:适用于高分辨率图像恢复、跨模态图像复原、语义分割等多种任务,旨在提高滤波效果,减少边缘模糊和纹理复制等伪影。 其他说明:文章提供了详细的网络架构和训练细节,并对比了多个基准数据集上的实验结果。此外,源代码已在GitHub上公开,便于研究和应用。 -可实现的-有问题请联系博主,博主会第一时间回复!!!

pk_xz123456

从注意力到行动 pdf Agent

从注意力到行动 pdf

言之。

同步电机与构网型变流器的频率稳定特性及多时间尺度交互机理研究(Simulink仿真实现)

内容概要:本文系统解读了一套完整的多机器人路径规划(MAPF)MATLAB代码库,重点围绕优先级规划算法展开,涵盖从地图解析、拓扑构建、路径规划、冲突消解到可视化呈现的全流程。文章提出四层架构设计:几何层负责地图解析与栅格化;拓扑层构建四邻域图与Petri网模型;调度层实现基于动态边权膨胀的优先级路径规划与时间同步冲突消解;呈现层完成动画与视频输出。核心创新包括动态边权膨胀机制避免硬封锁导致的虚假不可解、节点预留历史实现高效冲突查询、几何惩罚驱动的局部同步提升效率,以及Petri网双阶段优化支持解的存在性与最优性分离判断。框架兼顾实用性与可扩展性,适用于大规模智能体场景。; 适合人群:具备MATLAB编程基础,从事机器人、自动化、智能交通或路径规划相关研究的科研人员与研究生。; 使用场景及目标:① 学习并复现多机器人无冲突路径规划的经典与先进算法;② 掌握动态边权膨胀、时间同步、冲突消解等关键技术的工程实现;③ 借助模块化框架进行算法改进与性能优化,支撑仓储物流、无人机编队等应用场景的仿真研究。; 阅读建议:建议按文中所述的数据流顺序逐步阅读,重点关注各模块接口设计与算法取舍逻辑,结合提供的完整资源进行代码调试与实验验证,深入理解“空间规划-时间消解”分离的设计思想。

程序猿鑫

huashu-motion 让编码 Agent 直出商业宣传片-一个专门给 Claude Code、Codex 等工具使用的 Skill

huashu-motion 一个专门给 Claude Code、Codex 等工具使用的 Skill。它不跑黑盒视频生成模型,而是让 Agent 直接用代码绘制动画,成片就是一个网页。 项目最大的特色是“先写谱再拍片”,Agent 能写纯文本乐谱配合乐器采样在本地配乐,并精准对齐每帧音效。在浏览器里按 C 键点击画面就能直接留批注,Agent 会定位源码只改动那一处,也可以在右侧表单手动调参。 它还内置了从顶级发布片提炼的 20 种运动语言、自动化质检与并行渲染机制,小模型同样能做出高级感。

一叶知秋yyds

YOLO26算法校园作业场景锚目标检测+训练好的模型+103张数据集+pyqt可视化界面.zip

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):[锚(anchor)] · 训练集:90 张 · 验证集:9 张 · 测试集:4 张 · 总计:103 张 该数据集聚焦校园作业场景,通过精准标注手写文字中的锚元素,为教育场景下的文本识别与作业分析提供高质量数据支撑,助力教学评估与学生书写质量研究。该数据集训练集占比90%,验证集与测试集分别占9%和4%,符合目标检测任务数据划分的常规比例,训练集规模充足以保障模型学习能力,验证集与测试集合理分配用于模型性能评估,确保数据分布科学合理。该数据集标注工作严格遵循规范,所有锚元素的边界框标注精准,标注内容与... 【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 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6351** mAP50-95 | 0.1958 Precision | 0.6436 Recall | 0.5714 train/box_loss | 1.6649 train/cls_loss | 1.3181 val/box_loss | 2.3156 val/cls_loss | 2.5145 【训练过程分析】 100 轮训练后 mAP50 仅 0.6351,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.1958,定位精度同样偏低。 【模型性能评估】 Precision 0.643... 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。

guo_xiao_xiao_
评论 6
收藏 已收藏
分享
返回顶部
yc1042
ASP 28,401 成员 356,940 内容