【Demo 0033】遍历窗体中控件

今天学习的内容在Demo032中基本上己学过了, 此例仅在Demo32基础上做了一点延伸。

在上节中我们了解EnumchildWindows遍历桌面的子窗体, 本节使 用此函数来获取窗体中所有控件.

一、代码演示

//////////////////////////////////////////////////////////////////////////
BOOL CALLBACK EnumChildWndProc ( HWND hWnd , LPARAM lParam )
{
     HWND hListbox = ( HWND ) lParam ;
     if ( NULL == hWnd )     return FALSE ;

     if ( NULL != hListbox && IsWindow ( hListbox ))
     {
         TCHAR szWndInfo [512]    = {0};
         TCHAR szWndTitle [256]    = {0};
         TCHAR szClsName [64]        = {0};

         GetWindowText ( hWnd , szWndTitle , 256);
         GetClassName ( hWnd , szClsName , 64);
         _stprintf ( szWndInfo ,
                   _T ( "´°¿Ú%08X " )
                   _T ( "\"%s\" " )
                   _T ( "%s " )
                   _T ( "%s" ),
                   hWnd ,
                   szWndTitle ,
                   szClsName ,
                   IsWindowVisible ( hWnd ) ? _T ( "Visible" ) : _T ( "Invisible" ));
         SendMessage ( hListbox , LB_ADDSTRING , 0, ( LPARAM ) szWndInfo );
     }

     return TRUE ;
}
HWND hListbox     = GetDlgItem ( hWnd , IDC_LSTWNDLIST );
SendMessage ( hListbox , LB_RESETCONTENT , 0, 0);

HWND hParent = FindWindowEx ( NULL , NULL , _T ( "Notepad" ), NULL );
EnumChildWindows ( hParent , WndEnumProc , ( LPARAM ) GetDlgItem ( hWnd , IDC_LSTWNDLIST ));

SetWindowText ( GetDlgItem ( hWnd , IDC_BTNDATAREAD ), _T ( "Refresh" ));

TCHAR szTmp [128];
DWORD dwcount = SendMessage ( GetDlgItem ( hWnd , IDC_LSTWNDLIST ), LB_GETCOUNT , 0, 0);
_stprintf ( szTmp , _T ( "size: %d" ), dwcount );
OutputDebugString ( szTmp );

     本例以Notepad 窗体为目标, 通过EnumChildWindows 获取NotePad中所有的控件

二、显示结果

     image

    运行后发现NodePad 有两个控件1. Edit 2. statusbar  且不可见

演示代码

转载于:https://www.cnblogs.com/ztercel/archive/2011/08/24/2152612.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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