Yii CGridView 批量删除

本文介绍如何使用Yii框架实现批量删除功能,包括视图文件设置、JavaScript交互代码编写及后端action处理流程。通过示例代码展示了批量选择、批量删除按钮触发及服务器端批量删除逻辑。

1、视图文件

$this->widget('zii.widgets.grid.CGridView', array(
    'id' => 'customer-grid',
    'dataProvider' => $model->search(),
    //'filter' => $model,
    'columns' => array(
        array(
            'selectableRows' => 2,
            'class' => 'CCheckBoxColumn',
            'id' => 'customer-select-all',
            'checkBoxHtmlOptions' => ['name' => 'ids[]'],
            'headerHtmlOptions' => ['width' => '60px'],
            'headerTemplate' => '全选{item}',
            'footer' => '<button type="button" onclick="doBatchDelete();">批量删除</button>',
        ),
        'id',
        'name',
        'age',
        array(
            'class' => 'CButtonColumn',
        ),
    ),
));

2、JS文件

Yii::app()->clientScript->registerScript('_selectAll', '

    var doBatchDelete = function () {
        var ids = new Array();
        $("input:checkbox[name=\'ids[]\']").each(function () {
            var o = $(this);
            if (o.is(":checked"))
                ids.push(o.val());
        });
        if (0 == ids.length) {
            alert("请选择要删除的数据!");
            return;
        }
        $.post("' . $this->createUrl('/customer/deleteAll') . '", {"ids[]": ids}, function (resp) {
            var data = $.parseJSON(resp);
            if (data.result == "ok") {
                alert("删除成功!");
                $.fn.yiiGridView.update("customer-grid");
            }
        });
    }

', CClientScript::POS_HEAD);

3、action文件

/**
 * 批量删除
 */
public function actionDeleteAll()
{
    $request = Yii::app()->request;
    if (!$request->isAjaxRequest || !$request->isPostRequest)
        return;

    $ids = $_POST['ids'];
    $criteria = new CDbCriteria;
    $criteria->addInCondition('id', $ids);
    if (Customer::model()->deleteAll($criteria))
        echo CJSON::encode(['result' => 'ok']);
}

 

转载于:https://my.oschina.net/kali0102/blog/893519

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值