依旧是CheckBoxList 取值的问题,被郁闷到了

bing65 2006-10-31 10:38:04

.net 2.0
页面装载后,可能多个被选中
<asp:checkboxlit id="chkList" ....>
<asp:listitem value="1" selected="true"
<asp:listitem value="2" selected="true"
<asp:listitem value="3" selected="true"
<asp:listitem value="4"
......

然后再选中其它的

但是提交后
无论
if(chkList.Items[i].selected ) strResult += ..Items[i].value
还是
if(chkList.Items.FindByValue("1").Selected) strResult += .....
都拿不到后来选中的值

何解?

...全文

158 2 打赏收藏举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

bing65 2006-11-01

打赏
举报

回复

请大家关注

大选 2006-11-01

打赏
举报

回复

關注
中

科易网基于40亿+科创知识图谱数据库，深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，研究科技创新领域的AI+数智化解决方案，推动科技创新与产业创新智能化发展。

代码转载自：https://pan.quark.cn/s/7f7c9f67d0c0 모두를 위한 딥러닝 시즌2 : 모두가 만드는 모두를 위한 딥러닝 모두가 만드는 모두를 위한 딥러닝 시즌 2에 오신 여러분들 환영합니다. Getting Started 아래 링크에서 슬라이드와 영상을 통해 학습을 시작할 수 있습니다. Slide: http://bit.ly/2VrZcWM YouTube: http://bit.ly/2UVk3kn Docker 사용자를 위한 안내 동일한 실습 환경을 위해 docker 를 사용하실 분은 dockeruserguide.md 파일을 참고하세요! :) Install Requirements Install PyTorch from website: https://pytorch.org/ -- PyTorch Deep Learning Zero to All - PyTorch 모든 코드는 PyTorch 1.0.0 기준으로 작성하였습니다. Contributions/Comments 언제나 여러분들의 참여를 환영합니다. Comments나 Pull requests를 남겨주세요 We always welcome your comments and pull requests 목차 PART 1: Machine Learning & PyTorch Basic Lab-01-1 Tensor Manipulation 1 Lab-01-2 Tensor Manipulation 2 Lab-02 Linear regression Lab-03 Deeper Look ...

代码转载自：https://pan.quark.cn/s/a4b39357ea24 Command Line Parser Library 1.9.71.2 stable ----------------------------------------- Giacomo Stelluti Scala (gsscoder@gmail.com) (Latest Sources, Updated Docs): https://.com/gsscoder/commandline Codeplex (Binary Downloads): http://commandline.codeplex.com/ Remarks: - IParser and IParserSettings interface were removed. Upgrading from < 1.9.6.1 rc1: ---------------------------- Now CommandLine.Parser is defiend as: interface CommandLine.Parser { bool ParseArguments(string[] args, object options); bool ParseArguments(string[] args, object options, Action onVerbCommand); bool ParseArgumentsStrict(string[] args, object options, Action onFail = null); bool ParseArgumentsStrict(string[] args, obje...

内容概要：本文围绕基于混沌系统与DNA编码的彩色图像加密技术展开研究，提出了一种结合混沌序列全局置乱与DNA编码高维扩散特性的复合加密方案。该方案通过分离图像的RGB三通道，利用混沌系统生成伪随机序列对像素位置进行全局置乱，并结合DNA碱基映射与运算规则对像素灰度值进行多层级扩散加密，实现了像素空间与灰度值的双重混淆。研究不仅设计了完整的加密与解密流程，还系统性地分析了算法在高斯噪声、椒盐噪声干扰下的抗噪声性能，以及在不同面积与位置裁剪攻击下的鲁棒性表现，验证了算法在密钥空间、密钥敏感性和抗攻击能力方面的优越性。; 适合人群：具备图像处理与密码学基础知识，熟悉Matlab编程，从事信息安全、数字图像处理、多媒体通信等领域的科研人员与技术人员。; 使用场景及目标：①应用于对图像传输安全要求较高的场景，如军事通信、医疗影像共享、数字版权保护等，提升图像信息的保密性与抗窃听能力；②作为教学案例，帮助学生深入理解混沌系统、DNA编码在现代加密技术中的应用；③为图像加密算法的鲁棒性评估提供系统性测试框架，推动抗干扰加密技术的发展。; 阅读建议：建议读者在学习前巩固混沌系统、DNA编码及图像处理的相关理论知识，重点关注文中提出的加密流程设计与抗干扰性能测试方法。应结合提供的Matlab代码进行实践，复现加密、解密及性能分析过程，深入理解算法细节。同时，可基于本文框架探索其他混沌系统或编码方式的融合应用，以进一步提升算法性能。

内容概要：本文针对电网电压不平衡扰动下三电平并网系统中存在的正负序分量动态耦合问题，提出了一种高质量并网控制策略，并通过Simulink仿真实现进行了系统性验证。研究聚焦于抑制序耦合效应，提升系统在非理想电网条件下的运行稳定性与电能质量。通过构建精确的三电平并网系统数学模型，设计了序分量分离与协同控制机制，有效解决了不平衡工况下并网电流畸变、功率波动等关键技术难题。所提出的控制策略实现了正负序电流的独立调控，增强了系统对电网扰动的适应能力，确保了并网电流的高质量输出与系统的稳定运行。; 适合人群：具备电力电子、新能源并网或自动控制相关背景，从事电气工程、能源系统研究的研究生及科研人员。; 使用场景及目标：①用于分析和解决弱电网或多故障条件下三电平逆变器并网系统的序耦合失稳问题；②为高比例新能源接入场景下的高性能并网控制器设计提供理论依据与仿真验证方案；阅读建议：建议结合Simulink仿真模型深入理解控制策略的实现细节，重点关注序分量分离、正负序电流独立调控及锁相环优化等模块的设计逻辑，并可通过修改电网参数模拟不同强度的不平衡扰动以评估控制策略的鲁棒性。

62,270

社区成员

668,968

社区内容

发帖

与我相关

我的任务

javascript云原生企业社区

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

.NET 社区是一个围绕开源 .NET 的开放、热情、创新、包容的技术社区。社区致力于为广大 .NET 爱好者提供一个良好的知识共享、协同互助的 .NET 技术交流环境。我们尊重不同意见，支持健康理性的辩论和互动，反对歧视和攻击。

希望和大家一起共同营造一个活跃、友好的社区氛围。

试试用AI创作助手写篇文章吧

+ 用AI写文章