python3 tkinter如何绑定事件

Python3 tkinter初级---tkinter介绍 组件内部在x(y)方向上填充的空间大小,默认单位为像素,可选单位为c(厘米)、m(毫米)、i(英寸)、p(打印机的点,即1/27英寸),用法为在值后加以上一个后缀既可。组件外部在x(y)方向上填充的空间大小,默认单位为像素,可选单位为c(厘米)、m(毫米)、i(英寸)、p(打印机的点,即1/27英寸),用法为在值后加以上一个后缀既可。组件内部在x(y)方向上填充的空间大小,默认单位为像素,可选单位为c(厘米)、m(毫米)、i(英寸)、p(打印机的点,即1/27英寸),用法为在值后加以上一个后缀既可。 阅读详情

一、目的

在上一篇《python3 实现自动生成入账记录表》说到通过编辑bat文件进行参数的输入不是很方便,本篇就是用tkinter模块制作输入信息界面,输入完成点击’ok’键,触发写好的脚本,使得自动生成入款对账记录表格。

二、tkinter安装说明

python3.5版本,tkinter是内置模块,无需另外进行安装。使用tkinter,只要 import tkinter 。

三、思路

  1. 整理原先写好的自动生成记账记录表脚本,把脚本封装成一个函数A。
  2. 用tkinter制作一个信息输入界面,输入商户编号、开始时间和结束时间,点击OK键触发参数传入到已封装好的函数A,并自动生成入款对账记录表。

四、附上代码

  • tkinter绑定自动生成入账记录表格事件,代码如下:

import tkinter as tk
import time,datetime
from tkinter import *
import tkinter.messagebox
from oracle_ss import get_oracle_data
/#运行的python文件和需要导入的python文件在一个目录的话,则不需要写包名 orui.oracle_ss import ..)

class MainWindow:

def buttonListener1(self, event):#创建事件,调用另外一个函数的功能,生成表格
    agent_no=self.text_agentno.get(1.0, tk.END)#获取text_agentno文本框里的值
    stime = self.text_stime.get(1.0, tk.END)
    etime = self.text_etime.get(1.0, tk.END)
    #get_oracle_date()就是自己封装好的自动生成入账记录的函数,这里调用这个函数就可以
    get_oracle_data(agent_no,stime,etime)
    tk.messagebox.showinfo("messagebox", "云+入账对账记录表格已自动生成")

def buttonListener2(self, event):#创建第二个事件,退出程序
    exit()

def __init__(self):
    #创建Frame
    self.frame = Tk()
    # 设置Frame这个矩形区域的标题
    self.frame.title('欢迎使用,请输入信息:')
    #向frame中添加3个label
    self.label_agentno = 
    Label(self.frame, text="商户编号:",fg="blue",font="Verdana 10 bold")
    self.label_stime = 
    Label(self.frame, text="开始时间:",fg="blue",font="Verdana 10 bold")
    self.label_etime = 
    Label(self.frame, text="结束时间:",fg="blue",font="Verdana 10 bold")

    self.text_agentno = Text(self.frame, height="1", width=30)
    #商户编号设置默认值为20000xxxxxxx
    self.text_agentno.insert(1.0,'20000xxxxxxx')
    self.text_stime = Text(self.frame, height="1", width=30)
    now_time=datetime.datetime.now()
    yes_time=now_time+datetime.timedelta(days=-1)
    #开始时间设置默认值为前一天年月日0时0分0秒
    self.text_stime.insert(1.0,yes_time.strftime("%Y-%m-%d")+" 00:00:00")
    self.text_etime = Text(self.frame, height="1", width=30)
    #结束时间设置默认值为当前时间年月日0时0分0秒
    self.text_etime.insert(1.0,now_time.strftime("%Y-%m-%d")+" 00:00:00")

    #使用grid来布局组件,指定组件放置在什么位置
    self.label_agentno.grid(row=0, column=0)
    self.label_stime.grid(row=1, column=0)
    self.label_etime.grid(row=2, column=0)

    self.button_ok = Button(self.frame, text="ok", width=10)
    self.button_cancel = Button(self.frame, text="cancel", width=10)

    #使用grid设置各个label位置
    self.text_agentno.grid(row=0, column=1)
    self.text_stime.grid(row=1, column=1)
    self.text_etime.grid(row=2, column=1)

    self.button_ok.grid(row=3, column=0)
    self.button_cancel.grid(row=3, column=1)

    self.button_ok.bind("<Button-1>",self.buttonListener1)
    #绑定事件—点击OK键,tkinter自动捕获并触发buttonListener1事件,生成表格

    self.button_cancel.bind("<Button-1>",self.buttonListener2)
    #绑定事件—点击取消键,tkinter自动捕获并触发buttonListener2事件,退出程序
    self.frame.mainloop()

frame = MainWindow()
input(“Enter the any press to exit”)

  • get_oracle_data()函数的代码,这里不再重复贴出来。只要对上一篇《python3.5 实现自动生成入账记录表》的代码稍微整理封装一下就能被调用。

五、总结

  1. 针对tkinter模块,大部分都是看python官网文档和各种相关博客现学现用的,很多知识点可能我也了解的不透彻。针对界面需要输入开始时间和结束时间的参数,本想着弄一个日历插件,让使用者选择时间,但是看了下至少要再弄2个事件:其中一个是点击按钮触发打开日历事件;另外一个就是选择日期触发时间指传递事件。最后想了还是用最简单的方法,用insert()方法给开始时间和结束时间都设置了一个默认值,用户可在默认值上直接修改时间,这样也方便用户使用。
  2. 双击写好的aa.bat文件,自动运行脚本,出现输入信息界面。秀秀界面,如下截图:
    这里写图片描述
    这里写图片描述
手把手教你学veriolg(二十六)-- Verilog CIC 滤波器设计 目录 Verilog CIC 滤波器设计1. CIC 滤波器的基本原理2. Verilog 实现3. 说明4. 测试激励5. 总结 CIC(Cascade-Integrator-Comb)滤波器是一种特殊的数字滤波器,常用于多速率信号处理中,尤其是用于信号的上采样(插值)和下采样(抽取)。CIC 滤波器的特点在于它具有简单的硬件实现、不需要乘法器(仅使用加法器和延迟元件)、且具有线性相位特性。然而,CIC 滤波器的缺点是它会产生较大的量化误差,因此在设计时需要特别注意字长的选择以避免溢出。1. CIC 滤波 阅读详情

相关推荐

Anthropic发布10款金融AI智能体模板深度解析:重构华尔街工作范式

摘要:2026年5月,Anthropic发布10款金融AI智能体模板,标志着AI从辅助工具升级为"虚拟同事"。这些智能体深度集成到Word、Excel等办公软件中,覆盖投行、商行、资管三大场景的核心工作流,预计可提升效率35-85%。技术架构基于Claude3.5Sonnet模型,具备200K上下文窗口和95%+的财务图表解析准确率,并与彭博等金融数据源直连。发布引发传统金融数据服务商股价下跌,摩根大通等机构则视其为成本优化工具。落地需分四阶段推进,关键在于数据治理和复合型人才培养。未来

yyq916的博客 635

Tkinter教程27:tkcalendar制作日期框组件

效果说明:运行后会显示一个包含日期选择框的窗口,点击输入框右侧的日历图标会弹出日期选择界面,选择日期后会显示选择的日期。功能:初始化时显示默认日期,支持日期对象格式化显示(使用 strftime() 方法),添加了字体样式设置。自动触发机制:使用 <> 事件绑定,无论是通过日历选择还是键盘输入,只要日期发生改变就会自动触发更新。

我的Python教程 1591

CODESYS做Modbus TCP主站踩坑记:从IP配置到数据映射的完整避坑指南

本文详细记录了在CODESYS中配置Modbus TCP主站的全过程,从IP配置到数据映射的常见问题及解决方案。重点解析了网络适配器选择、Slave ID误解、地址偏移陷阱等关键问题,并提供了实用的调试技巧和性能优化建议,帮助工业通信开发者高效避坑。

weixin_30642561的博客 624

python tkinter 日期时间选择器,附详细可运行源码

python tkinter 日期时间选择器,附详细可运行源码

summerriver1的博客 1万+

二、基于C语言的JPEG解码代码详解

// JPEG解码 // 输入JPEG后输出Bitmap #include <stdio.h> #include <stdlib.h> #pragma warning(disable : 4996) unsigned int BuffIndex; // JPEG数据的位置 unsigned int BuffSize; // JPEG数据的大小 unsigned int BuffX; // 图像的横向尺寸 unsigned int BuffY; //

m0_37633745的博客 4455

Android 集成 Google 与 Facebook 第三方登录实战详解(2024版)

本文详细介绍了2024年Android应用集成Google与Facebook第三方登录的完整实战指南。通过分步教程和代码示例,帮助开发者快速实现一键登录功能,提升用户体验和注册转化率,同时涵盖隐私合规和常见错误处理的最佳实践。

blue的专栏 822

tkinter入门(6)--事件绑定

tkinter入门(6)--事件绑定1、事件绑定简介2、鼠标事件绑定3、键盘事件绑定``、``,打印普通字母4、键盘事件绑定、,可以打印普通字母和特殊字母5、获取鼠标实时位置 1、事件绑定简介   tkinter使用一种称为时间序列的机制来允许用户定义事件,用户需使用bind()方法将具体的事件序列与自定义的方法相绑定。事件序列是以字符串的形式表示的,可以表示一个或多个相关联的事件(如果是多个事件,那么对应的方法只有在满足所有事件的前提下才会被调用)。 事件序列使用以下语法描述: <modifier-

yuan_21的博客 893

手把手教你学 Simulink (1.3)--Simulink 的模块库及其模块介绍

Simulink 提供了丰富的模块库,涵盖了从基本的信号生成和处理到复杂的数学运算和系统建模的各种功能。通过熟悉这些模块库及其模块,你可以更高效地构建和仿真动态系统。

MHD0815的博客 5150

Python tkinter 下拉日历控件

tkinter 下拉日历控件 快捷选择日期返回

wodeyan001的博客 1万+

SAP-MM:SAP MM(物料管理)模块 的系统化学习计划

SAP MM模块的系统化学习计划

baidu_35680696的博客 1547

即插即用系列(代码实践) | CVPR 2025 FDConv:频域动态卷积,打破密集预测任务的参数效率瓶颈

本文提取自 CVPR 2025 的最新底层算子革新论文《Frequency Dynamic Convolution for Dense Image Prediction》。近年来,动态卷积(Dynamic Convolution)通过融合多个并行卷积核极大地提升了模型性能,但研究表明:这些并行卷积核在频域上的响应高度相似,导致了极其严重的参数浪费,且缺乏对不同频率特征的自适应能力。本文复现了该网络的核心架构——FDConv(频率动态卷积)。该方案创造性地在傅里叶域(Fourier Domain)中学习固定参

分享顶会顶刊论文即插即用模块 112

Python ttkbootstrap DateEntry 日期选择框readonly的同时支持选择

【代码】Python ttkbootstrap DateEntry 日期选择框readonly的同时支持选择。

新丶的博客 1099

RT-DETR改进前必看 - Ultralytics调参 1:1还原RT-DETR官方版本实验环境,更方便改进

的项目文件中集成了YOLOv3v5v6v8v9v10rt-detr11以及其中不同大小的模型结构,更方便我们学习和使用。的参数配置在路径下,其中中设置了模型在训练Train验证Val/Test预测Predict可视化Visualize导出Export超参数Hyperparameters、以及跟踪Tracker的相关参数。在调参过程中主要涉及训练Train和超参数Hyperparameters。下面主要介绍一下初始超参数Hyperparameters。

Limiiiing的博客 7962

python tkinter教程-事件绑定_Python 3 Tkinter教程之事件Event绑定处理代码实例

1.两个事件同时绑定到一个控件# 将两个事件绑定为同一个组件# -*- coding: cp936 -*-# 为root绑定两个事件from Tkinter import *root = Tk()# Key事件处理函数def printEvent(event):print '',event.keycode# Return事件处理函数def printReturn(event):print '',e...

weixin_39708636的博客 456

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

Python:GUI之tkinter学习笔记3事件绑定

相关内容: command bind protocol 首发时间:2018-03-04 19:26 command: command是控件中的一个参数,如果使得command=函数,那么点击控件的时候将会触发函数 能够定义command的常见控件有: Button、Menu… 调用函数时,默认是没有参数传入的,如果要强制传入参数,可以考虑使用lambda f...

dianchougao5936的博客 229

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

python下拉菜单绑定事件_如何为tkinter Python3.7中的combobox下拉菜单绑定keypress事件...

据我所知,目前在Python中没有办法获得弹出菜单。你必须通过TCL来实现。缺点是“.f.l”是引用的一部分,因为它依赖于内部小部件的实现。这里有一个组合框的例子,当你按下键盘按钮时,它会根据第一个字母来选择项目。在from tkinter import ttkimport itertools as itclass mycombobox(ttk.Combobox):def __init__(sel...

weixin_39743414的博客 3025

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

python --- Tkinter事件绑定参数的传递

关于python3 Tkinter事件的处理 一般Tkinter事件绑定函数是不带参数的(bind会默认带event事件参数) 但遇到确实需要传递参数的时候怎么办呢? 参数的传递 使用你们函数lambda或中间函数来解决 from tkinter import * def handler_button(): paramStr.set('button:no param ') def param_button(param): paramStr.set(f'button:{param}')

shadowsland的专栏 6332

python弹球游戏绑定鼠标事件_Python3 tkinter基础 Frame bind 鼠标移动事件 实时显示鼠标的位置...

Python : 3.7.0OS : Ubuntu 18.04.1 LTSIDE : PyCharm 2018.2.4Conda : 4.5.11typesetting : Markdowncode"""@Author : 行初心@Date : 18-9-30@Blog : www.cnblogs.com/xingchuxin@Gitee : gitee.com/zhichengjiu...

weixin_39848007的博客 243

Python笔记之Tkinter(Key键盘事件)

一、目标 学习Tkinter制作窗体软件的基础,触发键盘事件。 响应特殊按键事件 <Shift_L> 左shift按键响应 <Shift_R> 右shift按键响应 <F2> F2按键相应,F3,F4..... <Return> 回车按键相应 <BackSpace> 退格删除键相应 ...

潇洒哥的运维之道 2万+

python3中,关于Tkinter中Button参数的问题

python3中,关于Tkinter中Button参数的问题

muli 1万+

python 键盘事件 打印_Python3 Tkinter基础 Frame bind 绑定敲击键盘事件 将按键打印到Shell中...

镇场诗:清心感悟智慧语,不着世间名与利。学水处下纳百川,舍尽贡高我慢意。学有小成返哺根,愿铸一良心博客。诚心于此写经验,愿见文者得启发。——————————————————————————————————————————code:from tkinter import *root=Tk()#创建一个框架,在这个框架中响应事件frame=Frame(root,width=200,height=200...

weixin_39652760的博客 182

python3.6安装tkinter_python3.6 tkinter屏保小程序实现方法

python3.6 tkinter屏保小程序本文实例为大家分享了python3.6 tkinter实现屏保小程序,供大家参考,具体内容如下该小程序是在闲着没事的时候,随便写的,就当打发无聊了。该程序是用python3.6写的,调用了python中的tkinter的库(*python2x与python3x的thinter有很多不同的地方,一定要特别注意!!!)from random import r...

weixin_39587010的博客 195

python3.5模块大全-python tkinter模块使用大全(超全)

1、使用tkinter.Tk() 生成主窗口(root=tkinter.Tk());root.title("标题名")      修改框体的名字,也可在创建时使用className参数来命名;root.resizable(0,0)      框体大小可调性,分别表示x,y方向的可变性;root.geometry("250x150")  指定主框体大小;roo...

weixin_39680154的博客 1612

python3.6安装tkinter_python3.6 tkinter实现屏保小程序

本文实例为大家分享了python3.6 tkinter实现屏保小程序,供大家参考,具体内容如下该小程序是在闲着没事的时候,随便写的,就当打发无聊了。该程序是用python3.6写的,调用了python中的tkinter的库(*python2x与python3x的thinter有很多不同的地方,一定要特别注意!!!)from random import randintfrom tkinter imp...

weixin_39548438的博客 140

python鼠标点击位置_Python3 tkinter基础 Frame event.x 输出鼠标左右键点击的位置

Python : 3.7.0OS : Ubuntu 18.04.1 LTSIDE : PyCharm 2018.2.4Conda : 4.5.11typesetting : Markdowncode"""@Author : 行初心@Date : 18-9-30@Blog : www.cnblogs.com/xingchuxin@Gitee : gitee.com/zhichengjiu...

weixin_39624094的博客 917

Skill Seekers 智能代码库系统设计:基于 Git 触发的自维护技能生成与上下文感知加载架构

Skill Seekers 的 Intelligence System(智能代码库系统)是一套面向个体开发者与小型团队的路线图设计:它把"代码库理解"从一次性的人工技能编写,升级为**自动检测技术栈、按分支合并自动生成技能、按当前编辑文件智能聚类并只加载相关技能**的自维护 RAG 系统。本文完整解析 [docs/roadmap/SKILL_INTELLIGENCE_SYSTEM.md](http

gitblog_01090的博客 690
上一篇: python3 实现自动生成入账记录表
下一篇: 接口测试基础
Test-huhy
博客等级 码龄12年 740粉丝 17原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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