OLE WORD 非常着急,请高手回答。

takeiteasy 2006-11-14 06:17:02
我将文档模版保存在数据库中。现在想调出模版,并对标签赋值。
方法一、可视ole空间。
支持ole_object.objectdata = blob_a
但是此方法,我不知道怎么对标签进行赋值
方法二、
ole_object = create oleOjbect
但此方法居然无法将我从数据库中读出的blob放到ole_object中。


...全文
397 12 打赏 收藏 转发到动态 举报
写回复
用AI写文章
12 条回复
切换为时间正序
请发表友善的回复…
发表回复
roc996 2006-12-04
  • 打赏
  • 举报
回复
插入的字体颜色怎么控制
  • 打赏
  • 举报
回复
学习,帮你UP
takeiteasy 2006-11-15
  • 打赏
  • 举报
回复
可是我怎么将我的blob给这个文档呢?
roc996 2006-11-15
  • 打赏
  • 举报
回复
这是别人做的一个程序,希望对你有所帮助。


//声明变量类型为OLEObject

OLEObject myword

long ll_status

//创建一OLEObject

myword=Create oleObject

//启动OLE自动化服务(即Word),并与之建立连接。

ll_status=myword.connecttonewobject("word.Application")

if ll_status < 0 then

messagebox("错误","不能启动Word!")

else

//新增一个Word文档对象

myword.documents.add("f:\mytemp.doc",false,0)

//通过赋值语句,将字串插入′mybkmark′书签位置

myword.Documents.item(1).Bookmarks.Item("mymark").Range.Text = mle_1.text

//另存为′myreport.doc′文件

myword.documents.item(1).saveas("f:\myreport.doc")

//文档可见
myword.visible=true

myword.disconnectobject()

end if

//消去内存中的OLEObject变量
lzheng2001 2006-11-15
  • 打赏
  • 举报
回复
word的help中有详细的VBA编程说明,这种问题查一下帮助一般就能解决
youqiong 2006-11-15
  • 打赏
  • 举报
回复
hehe
fellowcheng 2006-11-15
  • 打赏
  • 举报
回复
学习
iamx 2006-11-15
  • 打赏
  • 举报
回复
方法二、
不可以直接将blob 塞给 Ole object
ole_control.objectdata = blob

myword = create oleobject //下面几行抄自roc996(),略有改动

//启动OLE自动化服务(即Word),并与之建立连接。

ll_status=myword.connecttonewobject("word.Application")

if ll_status < 0 then

messagebox("错误","不能启动Word!")

else

//新增一个Word文档对象

myword.Application.documents.add()

ole_control.copy()

myword.Application.Selection.Paste

li_count = myword.application.Bookmarks.Count
for i = 1 to li_count
myword.application.bookmarks[i].select
myword.application.selection.typetext(yourtext)
next

myword.application.activedocument.saveas("c:\mytempfile.doc")
myword.application.activedocument.close()
myword.disconnect()
ole_control.clear()

写得比较乱,自己再调试一下。

iamx 2006-11-15
  • 打赏
  • 举报
回复
使用方法一:OLE Control
integer li_count, i
string ls_yourtext = 'text'

loc_word.objectdata = lbl_data
li_count = loc_word.Object.Bookmarks.Count
for i = 1 to li_count
loc_word.object.bookmarks[i].select
loc_word.object.application.selection.typetext(yourtext)
next

loc_word.saveas("c:\tempfile.doc")
loc_word.clear()

给分吧。
aichangfeng 2006-11-14
  • 打赏
  • 举报
回复
幫你頂一下,你可以在FAQ中找些相關的資料來參考一下
takeiteasy 2006-11-14
  • 打赏
  • 举报
回复
难道要实现我的需求,需要都使用么?
着急,所以自己顶先。。。
takeiteasy 2006-11-14
  • 打赏
  • 举报
回复
另,可视的ole控件中的word文档怎么保存为文件?
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。

604

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder 控件与界面
社区管理员
  • 控件与界面社区
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