简单的页面布局,让我想摔电脑

本文记录了作者在使用SqlDataSource和GridView控件过程中遇到的问题及解决办法,特别是关于编辑状态下出现的索引越界和字符串格式错误等问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  最近学习 SqlDataSource跟GridView 控件,周末老师布置了简单的网页设计,可是费了好大的力气啊,关键时候让我激动的想摔了电脑,可是心疼啊,摔了用什么啊!O(∩_∩)O~

  为什么布局好的页面让我感觉它好脆弱啊,就像是多米诺骨牌,似乎触动任何一个地方就会全军覆没。不敢碰,不敢动,真是有劲无处使啊!

  今天终于做完了,可是跟同学一讨论,发现自己做的东西太没有价值了,被人家改个分辨率就惨不忍睹,郁闷啊,到底该怎样布局啊,只是做个前端也不容易啊,需要很大的耐心。

  程序中还有一个错误至今没有解决,虽然用另一种方式做出相同的效果,但是还是想知道这样为什么就不行。

  在这就写一下,希望大家帮忙解决一下。

  就像上面的图片1,使用编辑和删除按钮,使用数据绑定功能,点击删除好用,点击编辑功能,总是出现输入字符串格式不正确的错误(图片二)

  protected void GridView1_RowDataBound(object sender, GridViewRowEventArgs e)
    {
        if (e.Row.RowType == DataControlRowType.DataRow)
        {
            Button bt = (Button)e.Row.Cells[6].Controls[0];
            bt.Attributes.Add("onclick", "if(!confirm('您真的要删除吗?')) return false; ");

            int age = int.Parse(e.Row.Cells[4].Text);//字符串输入错误

        此处实现的功能是在年龄大于20岁的后面显示一张图片,昨天还是索引越界今天就成了字符串输入错误,郁闷啊,一天一个样。
            if (age > 20)
            {
                Image im = new Image();
                im.ImageUrl = @"image/20.jpg";
                im.Height = 30;
                im.Width = 30;
                e.Row.Cells[2].Controls.Add(im);
            }
        }
    }

4月15号,终于有了最后的解决方案

if (e.Row.RowType == DataControlRowType.DataRow && e.Row.RowIndex != GridView1.EditIndex)
        {
            Button bt = (Button)(e.Row.Cells[2].Controls[0]);
            bt.Attributes.Add("onclick", "if(!confirm('是否真的要删除?')) return false ;");
        }

  原因很简单,编辑的时候,删除按钮会暂时消失,此时仍运行数据绑定方法,所以会出现超出索引的问题。

  解决方法,判断是否处于编辑状态即可,如果不处于编辑状态则执行{Button ......}反之,则执行。

  还有一种方法,判定删除的地方是否为空。

  老师好帅啊,1分钟搞定,LiuJg强。

基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
评论
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