easyUI下拉框表格扩展(实现搜索功能)[easyUI+java]

easyui combobox下拉框组件输入检索全模糊查询 阅读详情

一个小demo:easyUI下拉框表格扩展(实现搜索功能)

下拉框表格里由于数据过多,需要有一个搜索来快速定位到用户想要的数据;

效果图:



目录结构:



html部分代码:

<table width="500">
	<tr>
		<td>引用:</td>
        <td class="height=25;width=350">
        	<div style="width:350px;height:20px;">
           	<select  id="queryTableName" name="tableName" class="easyui-combogrid" required="true" missingMessage="该项为必填!"></select>  
        	</div>
        </td>
	</tr>
</table>



js代码:

$(function(){
	var html = '<div id="reportComboGridTb">';
	html += '<form id="reportComboGridTbform">';
	html += '<div style="padding-left: 5px;display: inline-block;"><label>报表编码或名称:</label><input id="queryReportCodeOrReportName" class="easyui-textbox"style="width:96px;"data-options="prompt:\'报表编码/报表名称\'"/></div>';
	html += '<div style="padding-left: 5px;display: inline-block;"><label>报表类型:</label><select id="reportDisplayTypeComboBox"name="reportDisplayType"class="easyui-combobox"style="width:96px;"data-options="prompt:\'报表类型\'"></select>';
	html += '<div style="padding-left: 1px; display: inline-block;"><form>';
	html += '<a href="javascript:void(0);" class="easyui-linkbutton" data-options="iconCls:\'icon-search\'" id="queryReport">查询</a>';
	html += '<a href="javascript:void(0);" onclick="javascript:void(0);" class="easyui-linkbutton" data-options="iconCls:\'icon-redo\'" id="resetBtn">重置</a>';
	html += '</div>';
	html += '</div>';
	$('body').append(html);
	$.parser.parse('#reportComboGridTb');
	
	//报表类型的下拉框
	$('#reportDisplayTypeComboBox').combobox({
		data:[{    
		    "value":'',    
		    "text":"--报表类型--"   
		},{    
			"value":0,    
			"text":"表格"   
		},{    
			"value":1,    
			"text":"图表"     
		},{    
			"value":2,    
			"text":"html"      
		},{    
			"value":3,    
			"text":"地图"     
		}]  

	})
	
	$('#queryTableName').combogrid("reset");
	$('#queryTableName').combogrid({  
        panelWidth: '500px',
        width: '200px',
		fit : true,
        idField: 'id',              //ID字段    
        textField: 'reportName',    //显示的字段    
        fitColumns : true,
		ctrlSelect : true,
        striped: true,  
        editable: false,  
        pagination: true,           //是否分页  
        pageList : [ 5,10,15 ],
		pageSize : 10,
		toolbar : '#reportComboGridTb',
        rownumbers: true,           //序号  
        collapsible: true,         //是否可折叠的  
        method: 'post',
        columns: [[
                   { field:'reportCode', title: '报表编码', width: '30%' ,align:'left'},
                    { field:'reportName', title: '报表名称', width: '50%' ,align:'left'},
                ]],
        onSelect:function (){
        	var reportName=$('#queryTableName').combogrid('grid').datagrid('getSelected').reportName;
        	$('#queryTableName').combogrid("setValue", reportName);
        },
        emptyMsg : '未找到相应数据!',
        onLoadSuccess : function(data) {
			var opts = $(this).combogrid('grid').datagrid('options');
			var vc = $(this).combogrid('grid').datagrid('getPanel').children('div.datagrid-view');
			vc.children('div.datagrid-empty').remove();
			if (!$(this).combogrid('grid').datagrid('getRows').length) {
				var d = $('<div class="datagrid-empty"></div>').html(opts.emptyMsg || 'no records').appendTo(vc);
				d.css({
					position : 'absolute',
					left : 0,
					top : 50,
					width : '100%',
					fontSize : '14px',
					textAlign : 'center'
				});
			}
		}, 
        url:'http://localhost:8080/br/reportInfo/reportData.do'
	});
	//点击搜索
	$('#queryReport').click(function(){
		var content=$('#queryReportCodeOrReportName').textbox('getValue');
		var reportDisplayType=$('#reportDisplayTypeComboBox').combo('getValue');
		$('#queryTableName').combogrid('grid').datagrid('load',{
			content:content,
        	reportDisplayType:reportDisplayType 
		});
	});
	//点击重置
	$('#resetBtn').click(function(){
		$('#queryReportCodeOrReportName').textbox("reset");
		$('#reportDisplayTypeComboBox').combobox("reset");
	});
	
	 
});


java Controller代码:

@Controller
@RequestMapping ("/reportDisplayInfo")
public class ReportDisplayInfoController
{
    private final Log _logger = LogFactory.getLog (ReportDisplayInfoController.class);
    // @Resource (name = "reportDisplayInfoService")
    // private IReportDisplayInfoService _reportDisplayInfoService;
    @Autowired
    private IReportDisplayInfoService _reportDisplayInfoService;

    // 分页查询
    @RequestMapping ("/getListReportDisplayInfo")
    @ResponseBody
    public String getReportDisplayInfo (HttpServletRequest request, HttpServletResponse response)
    {
        try// 设置编码集
        {
            request.setCharacterEncoding ("utf-8");
            response.setCharacterEncoding ("utf-8");
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace ();
        }
        String displayName = request.getParameter ("displayName");
        String displayCode = request.getParameter ("displayCode");
        // 获取分页页数
        String pageNumber = request.getParameter ("pageNumber");
        // 获取分页每页数据条数
        String pageSize = request.getParameter ("pageSize");
        // 如果未获取到行数,则设置默认每页20条数据
        if (StringUtil.isEmpty (pageSize) || "NaN".equals (pageSize))
        {
            pageSize = "10";
        }
        // 如果未获取到页数,则设置默认为第一页
        if (StringUtil.isEmpty (pageNumber) || "NaN".equals (pageNumber))
        {
            pageNumber = "1";
        }
        int rows = Integer.parseInt (pageSize);
        int page = Integer.parseInt (pageNumber);
        int offset = rows * (page - 1);
        int limit = offset + rows - 1;
        ReportDisplayInfo reportDisplayInfo = new ReportDisplayInfo ();
        reportDisplayInfo.setDisplayCode (displayCode);
        Map param = new HashMap ();
        param.put ("displayName", displayName);
        param.put ("displayCode", displayCode);
        Integer totle = _reportDisplayInfoService.queryDataCount (param); // 得到总页数
        param.put ("startNumber", String.valueOf (offset));
        param.put ("endNumber", String.valueOf (limit));
        List <ReportDisplayInfo> list = _reportDisplayInfoService.queryReportDisplayInfoByPage (param);
        Map <String, Object> jsonMap = new HashMap <String, Object> ();

        jsonMap.put ("total", totle);// total键
        jsonMap.put ("rows", list);// rows键 存放每页记录 list
        JsonConfig config = new JsonConfig ();
        config.registerJsonValueProcessor (Date.class, new JsonDateValueProcessor ("yyyy-MM-dd HH:mm:ss"));
        return JSONArray.fromObject (list, config).toString ();
    }

分页sql:

<!-- 分页查询 -->
	<select id="queryReportDisplayInfoByPage" 
		parameterType="java.util.Map" 
		resultType="ReportDisplayInfo">
			select *  
		       from (SELECT ROWNUM rn,T.* 
					from  (select 
					  <include refid="reportDisplayInfo" /><!--这里是引用了字段别名,保证与java实体类的属性一致,实际就是查所有-->
					  from BR_ReportDisplayInfo 
					  	<where>
				         	<if test="displayCode!=null and displayCode!=''">  
				                and REPORTDISPALYCODE = #{displayCode} 
				            </if>  
				            <if test="displayName!=null and displayName!=''">  
				                and REPORTDISPALYNAME like '%'||#{displayName}||'%'  
				            </if> 
					    </where>
					  order by updateTime DESC)T
				<![CDATA[where ROWNUM<=#{endNumber}) 
		      where rn >=#{startNumber}]]>
	</select>


serivce什么的就不摆了,至少我自己看够了大笑

easyui数据表格增删改 增加、修改功能的实现步骤 增加功能的实现: 利用dialog组件进行同一页面增加,这个组件和模态框一个道理,只不过EasyUI的样式不太美观 进行动态的页面传递数据到后台,那么给前文的增加按钮绑定事件 // 给新增按钮绑定点击事件 $("#btn-add").click(function() { $("#dd").dialog('open'); }) 修改功能:数据格式化,显示操作列 { field : '操作', titl. 阅读详情

相关推荐

SSM+easyui实现三级联动小例子教程

在当今IT行业快速发展和技术迭代的浪潮中,SSM框架以其轻量级、高效率、易于整合等特性,成为了Java Web开发人员的宠儿。SSM框架是Spring、SpringMVC和MyBatis三大框架整合的产物,各自承担了不同的功能:Spring负责业务对象的创建和管理,SpringMVC则处理Web层的请求,MyBatis作为数据持久层框架负责数据库的存取操作。从基础概念到深入应用,本章将逐步揭开SSM框架的神秘面纱。

weixin_35756892的博客 870

easyUI中combotree添加下拉搜索框

在easyUI的combotree下拉框中添加搜索框

m0_46252893的博客 1368

EasyUI 下拉菜单 下拉树 模糊搜索

支持下拉菜单 下拉树 模糊搜索,支持中间字段的匹配

EasyUI combobox下拉列表实现搜索过滤(模糊匹配)

  项目中的某个下拉列表长达200多个项,这么巨大的数量一个一个找眼镜都得看花,于是就得整了个搜索功能。看网上别人帖子有只能前缀匹配的方案,但只能前缀匹配的话用起来也不是很方便。于是就记录一下模糊匹配的方案。 实现效果: 这里使用的是combobox组合框,对于combobox的创建可以使用<input>输入框,也可以使用<select>下拉选。我使用的是...

weixin_30892889的博客 2698

easyUI页面datagrid动态列和form字段动态添加

easyUI页面datagrid动态列和form字段动态添加;项目开发时用到的,废了不少事,大概总了一下,现在发出来共享给想我一样的要用到的菜鸟们,谢谢

scratch航天梦主题课程作品分享,包含ppt、素材包

而今年多国都将发射探测器尝试登陆月球,2023年或将称为“登月年”,请大家发挥创新思维,以“星辰大海”为创作主题,搜集相关信息 、展开联想,为实现升空 、探测 、取样贡献创意!即使去淘宝买的素材,也要从百度网盘,但素材太多大了或者太多文件,也要充值百度网盘超级会员才能保存,提高下载速度。同学们大家好,今天我们就要开始航天主题-嫦娥五号探月工程系列的编程课程了,不仅可以学习到很多航天知识,了解本次嫦娥五号的发射历程,还能让我们用编程遨游太空呢。即使下载了,也要上传,不是特别方便,尤其是不好查找。

少儿编程吕口口 2484

easyui的combobox,自动搜索的下拉框

如图,输入关键字,左匹配检索 HTML代码 js获取数据 $('#userId').combobox({ prompt:'输入首关键字自动检索', required:false, url:'${path }/portal/designer/tree', edit

hgg923的专栏 1万+

【QGIS、OSM】利用python开源工具实现指定区域的交通分配

如果从osmgnms和grid2demand得到的node.csv,我们要修改path4gnms代码中的utils.py的四处设置。利用QGIS实现可视化,得到的link_performance.csv,参数有volume和VOC。改完这四处代码,就可以运行path4gnms中的tutorial.ipynb了。

weixin_40594084的博客 1279

easyui分页查询为什么会有下拉框_easyUI下拉框表格扩展(实现搜索功能)[easyUI+java]...

$(function(){var html = '';html += '';html += '报表编码或名称:';html += '报表类型:';html += '';html += '查询';html += '重置';html += '';html += '';$('body').append(html);$.parser.parse('#reportComboGridTb');//报表类型的下...

weixin_36277530的博客 170

图像评价之计算PSNR、SSIM、MSE、LPIPS和NIQE评价指标

如果代码对你的研究有所帮助,请为该仓库点上小星星。

书山有路,学海无涯! 2652

倍福--RS232自由口实现

RS232/485通信协议是在现场中常用到的,比如触摸屏、温控模块等设备控控制器做通信,会常用到此类协议,本文介绍RS232/485自由口通信的实现,并用PC调试助手进行测试。 目 录 软硬件版本 3 1.1. 倍福Beckhoff 3 1.1.1. 控制器硬件 3 1.1.2. 控制器软件 3 硬件连接 3 2.1. PC COM介绍 3 2.2. RS232/RS485连接 3 3.2.1. N030…………. 4 3.2.2. N031…………. 4 2.3. 实际线路连接 5 PLC程序 7 3

weixin_41883890的博客 3284

SpringBoot+LayUI+MybatisPlus 前后端分离 实现数据表格下拉框功能

最近这段时间我会将在毕设项目的编写过程中所遇到的问题以及解决问题的方法进行总结,整理成这个SpringBoot+LayUI前后端分离项目实战系列。 今天分享的问题是:如何使用SpringBoot、LayUI和MybatisPlus框架来实现数据表格下拉框功能,具体解决方案如下,请各位小伙伴们耐心观看:...

weixin_45301250的博客 1980

怎样让你的论文看起来“像人写的”?只用三招直接去除AI味(附提示词)

当然如果你在实际使用中还有其他需求,比如降重润色、改写翻译等,也可以结合七哥的专业写作平台来辅助,这个高级学术平台已经内置了ChatGPT4o、ChatGPT4.1、Claude3.7、满血版DeepSeek-R1等AI大模型,帮你写文献综述、干课题申报、写论文等学术任务绝对每一点问题。比如我自己的一套学术写作平台,其中的“降重与润色”模块整合了多种GPTs应用,除了能帮助调整语言风格、避免雷同表达,还可以顺带降个重,对于提升学术文本的整体质量还是非常有用的。一、为什么用AI写出来的文章会有AI味?

智能AI让学术科研更容易 1687

easyui Datagrid+searchbox 实现搜索功能

这是

Stay hungry,stay foolish! 5万+

matlab 计算InSAR干涉相位图的残差点

在理想的情况下,相位场是连续的,图像内沿着任何一条封闭曲线的积分应该为零。这样的连续场称为无旋场,反之为有旋场。但在实际测量过程中,由于噪声、欠采样和系统误差等因素的影响,得到的 InSAR 干涉相位条纹图中往往会出现不连续的相位点,即残差点

点云侠的博客 268

【人工智能】 WebDev Arena:实时AI Web开发竞赛的技术探索与价值

《AI编程竞赛推动Web开发技术创新》摘要:WebDev Arena作为聚焦Web开发领域的实时AI编程竞赛,通过标准化竞技环境检验AI模型在代码生成、问题解决等方面的能力。竞赛覆盖前端、后端等全流程开发环节,采用实时评分机制,推动AI对复杂Web需求的理解和多元技术栈适配。该赛事不仅促进AI编程技术创新,更为Web开发行业与AI技术融合搭建桥梁,有望提升开发效率、降低技术门槛。未来将拓展Web3.0等前沿技术主题,持续推动行业智能化发展。(150字)

奶爸的编程之路,也就一周冷个三天 258

easyui datagrid 搜索框

引入页     import="java.util.*" pageEncoding="UTF-8"%>     String path = request.getContextPath();     String root = request.getScheme() + "://" + request.getServerName()             + ":" +

u013421749的专栏 2066

时频分析之短时傅里叶变换(STFT)

本文利用MATLAB自带的spectrogram函数对信号做短时傅里叶变换。首先介绍了短时傅里叶变换(STFT)的背景及意义;其次,对spectrogram函数的用法以及变量的含义做了详细的解释;最后,利用MATLAB编写程序实现了信号的STFT。

总结论文中的算法并给出论文的复现代码 7万+

easyUI数据表格

easyUI数据表格(DataGrid)DataGrid的使用二级目录三级目录 DataGrid的使用 DataGrid以表格形式展示数据,并提供了丰富的选择、排序、分组和编辑数据的功能支持。DataGrid的设计用于缩短开发时间,并且使开发人员不需要具备特定的知识。它是轻量级的且功能丰富。单元格合并、多列标题、冻结列和页脚只是其中的一小部分功能。 通过js来创建 二级目录 三级目录 ...

chiyangj的博客 1979

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

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'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('DeepLearnToolbox'));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('state',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'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',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 = 'sigm';%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, 'Too big error');```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('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';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)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';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, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% 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'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 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, 'Too big error');```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('state',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, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',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, 'Too big error');%% ex3 neural net with dropoutrand('state',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, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % 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, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % 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, 'Too big error');%% 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('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % 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, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

【combogrid组件】-001-表格搜索案例

1、界面展示    2、WebContent/jsp/combogrid_001.jsp   &lt;%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%&gt; &lt;% String root = request.getContextPath(); %&g...

piao317110771的博客 382

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

easyUI searchBox搜索框的实现

easyui searchBox 搜索框 [html]view plaincopy <bodyclass="easyui-layout"data-options="fit:true"> <divdata-options="region:'center',border:false" style="overflow:hidden...

快乐de馒头 2786

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

easyui实现分页

.

w_t_y_y的博客 1360

信息快报搜索功能模块:Easyui中的分页和自动换行

效果图: 在open2.jsp中: 使用easyui   关键字: 开始日期: 结束日期:    查询  在msgletters2.js中: $(document).ready(function(){  //获取当前网址,如: http://localhost:8088/test/

u013456370的专栏 996

java easyui样式_【Java框架型项目从入门到装逼】第八节 - 用EasyUI绘制主界面

1.引入资源包在上一节中,我们把基本的框架都搭好了,用了Spring,SPringMVC。这一节,我们先来画页面,前端框架采用EasyUI来实现。easyui是一种基于jQuery的用户界面插件集合,使用easyui我们就不需要写很多代码,只需要通过编写一些简单HTML标记,就可以定义用户界面。现在,我们把easyui需要的资源包拷贝进来。2.绘制主界面界面的话,我们就用html来实现吧,在Web...

weixin_39998881的博客 91

easyui java1234_李炎恢jQuery EasyUI视频教程 下载

李炎恢jQuery EasyUI视频教程 下载01.[jQuery EasyUI]第1章 jQuery EasyUI入门02.[jQuery EasyUI]第2章 使用EasyUI03.[jQuery EasyUI]第3章 Draggable(拖动)组件04.[jQuery EasyUI]第4章 Droppable(放置)组件05.[jQuery EasyUI]第5章 Resizable(调整大...

weixin_39517797的博客 180

Java导出easyui的table+echarts的图片为Excel

由于项目使用的是easyui,现在需要做一个导出Excel功能,Excel内包含表格内容和图片信息。查看easyui的官网发现有扩展datagrid-export.js可以在前端导出excel,于是拿来使用,发现无法导出多级表头,改写源码后可以导出多级表头的excel,但是没法在前端导出echarts的base64编码的图片。因此使用Java后台采用poi来导出excel。考虑到前面已经在前端由table导出excel成功,想着可不可以直接传table到后台导出excel,网上搜索一翻,发现这位老哥做了,真

一见终秦的博客 1164
上一篇: 创建bootstrap的表格(含日期控件)
下一篇: 隐藏form表单下载文件
java_trainee
博客等级 码龄10年 12粉丝 22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