C++操作一个Excel字体大小 边框 对齐方式等

QXlsx Qt操作excel(1) QXlsx创建新的工作簿、写入单元格数据、合并单元格、格式化单元格、设置单元格样式等操作。 阅读详情
</pre><pre name="code" class="cpp">
void CMy12Dlg::OnOK() 
{
	// TODO: Add extra validation here
//用m_ExlApp对象创建Excel2003进程 

       if(!m_ExlApp.CreateDispatch("Excel.Application",NULL))
       { 
              AfxMessageBox("创建Excel服务失败!");
              return;
       } 

       //设置为可见 
       m_ExlApp.SetVisible(TRUE); 

       ///////////////////下面得到应用程序所在的路径/////////////////// 
       CString theAppPath,theAppName; 
       char Path[MAX_PATH]; 

       GetModuleFileName(NULL,Path,MAX_PATH);//得到应用程序的全路径 
       theAppPath=(CString)Path; 

       theAppName=AfxGetApp()->m_pszAppName; 
       theAppName+=".exe"; 

       //把最后的文件名去掉 
       int length1,length2; 

       length1=theAppPath.GetLength(); 
       length2=theAppName.GetLength(); 

       theAppPath.Delete(length1-length2,length2); 
    //////////////////////////////////////////////////////////////// 


       CString TempPath=""; 

       TempPath=theAppPath+"Template.xls";//EXCEL模板的路径 

       m_ExlBooks.AttachDispatch(m_ExlApp.GetWorkbooks(),TRUE); 

       m_ExlBook.AttachDispatch(m_ExlBooks.Add((_variant_t)TempPath),TRUE);//加载EXCEL模板 

       m_ExlSheets.AttachDispatch(m_ExlBook.GetSheets(),TRUE);//加载Sheet页面 

       //添加新的Sheet页面 
       m_ExlSheets.Add(vtMissing,vtMissing,_variant_t((long)1),vtMissing); 

       //删除第二个Sheet页面 
       m_ExlSheet.AttachDispatch(m_ExlSheets.GetItem(_variant_t((long)2)),TRUE); 
       m_ExlSheet.Delete(); 

       //把第一个Sheet页面的名字改变为TestSheet 
       m_ExlSheet.AttachDispatch(m_ExlSheets.GetItem(_variant_t((long)1)),TRUE); 
       m_ExlSheet.SetName("TestSheet"); 


       ///////合并第一行单元格A1至D1////// 

       //加载要合并的单元格 
       m_ExlRge.AttachDispatch(m_ExlSheet.GetRange(_variant_t("A1"),_variant_t("D1")),TRUE); 

       m_ExlRge.Merge(_variant_t((long)0)); 

       ////////设置表格内容//////// 

       m_ExlRge.AttachDispatch(m_ExlSheet.GetCells(),TRUE);//加载所有单元格 

       m_ExlRge.SetItem(_variant_t((long)1),_variant_t((long)1),_variant_t("数学系研究生课程统计")); 

       m_ExlRge.SetItem(_variant_t((long)2),_variant_t((long)1),_variant_t("课程名")); 
       m_ExlRge.SetItem(_variant_t((long)2),_variant_t((long)2),_variant_t("课时")); 
       m_ExlRge.SetItem(_variant_t((long)2),_variant_t((long)3),_variant_t("难度")); 
       m_ExlRge.SetItem(_variant_t((long)2),_variant_t((long)4),_variant_t("教学方式")); 

       m_ExlRge.SetItem(_variant_t((long)3),_variant_t((long)1),_variant_t("泛函分析")); 
       m_ExlRge.SetItem(_variant_t((long)3),_variant_t((long)2),_variant_t("60")); 
       m_ExlRge.SetItem(_variant_t((long)3),_variant_t((long)3),_variant_t("普通")); 
       m_ExlRge.SetItem(_variant_t((long)3),_variant_t((long)4),_variant_t("老师讲课")); 

       m_ExlRge.SetItem(_variant_t((long)4),_variant_t((long)1),_variant_t("微分流形")); 
       m_ExlRge.SetItem(_variant_t((long)4),_variant_t((long)2),_variant_t("40")); 
       m_ExlRge.SetItem(_variant_t((long)4),_variant_t((long)3),_variant_t("变态难")); 
       m_ExlRge.SetItem(_variant_t((long)4),_variant_t((long)4),_variant_t("自学")); 

       m_ExlRge.SetItem(_variant_t((long)5),_variant_t((long)1),_variant_t("二阶椭圆型方程与方程组")); 
       m_ExlRge.SetItem(_variant_t((long)5),_variant_t((long)2),_variant_t("60")); 
       m_ExlRge.SetItem(_variant_t((long)5),_variant_t((long)3),_variant_t("很难")); 
       m_ExlRge.SetItem(_variant_t((long)5),_variant_t((long)4),_variant_t("讨论")); 


       m_ExlRge.AttachDispatch(m_ExlSheet.GetUsedRange());//加载已使用的单元格 

       m_ExlRge.SetWrapText(_variant_t((long)1));//设置单元格内的文本为自动换行 

       //设置齐方式为水平垂直居中 
       //水平对齐:默认=1,居中=-4108,左=-4131,右=-4152 
       //垂直对齐:默认=2,居中=-4108,左=-4160,右=-4107 
       m_ExlRge.SetHorizontalAlignment(_variant_t((long)-4108)); 
       m_ExlRge.SetVerticalAlignment(_variant_t((long)-4108)); 

       ///////设置整体的字体、字号及颜色////// 

       Font ft; 

       ft.AttachDispatch(m_ExlRge.GetFont()); 

       ft.SetName(_variant_t("宋体"));//字体 
       ft.SetColorIndex(_variant_t((long)11));//字的颜色 
       ft.SetSize(_variant_t((long)12));//字号 

       ///////////设置标题字体及颜色////////// 

       m_ExlRge.AttachDispatch(m_ExlSheet.GetRange(_variant_t("A1"),_variant_t("D1"))); 

       ft.AttachDispatch(m_ExlRge.GetFont()); 

       ft.SetBold(_variant_t((long)1));//粗体 
       ft.SetSize(_variant_t((long)13)); 
       ft.SetColorIndex(_variant_t((long)2)); 

       CellFormat cf; 
       cf.AttachDispatch(m_ExlRge.GetCells()); 

       //////////////设置底色///////////////// 

       Interior it; 

       it.AttachDispatch(m_ExlRge.GetInterior()); 

       it.SetColorIndex(_variant_t((long)11));//标题底色 

       ////表格内容的底色//// 

       m_ExlRge.AttachDispatch(m_ExlSheet.GetRange(_variant_t("A2"),_variant_t("D5"))); 

       it.AttachDispatch(m_ExlRge.GetInterior()); 

       it.SetColorIndex(_variant_t((long)15)); 


       //////////////为表格设置边框///////////// 

       Range UnitRge; 
       CString CellName; 

       for(int i=1;i<=4;i++) 
       { 
              for(int j=1;j<=4;j++) 
              {     
                     CellName.Format("%c%d",j+64,i);//单元格的名称 

                     UnitRge.AttachDispatch(m_ExlRge.GetRange(_variant_t(CellName),_variant_t(CellName)));//加载单元格 

                     //LineStyle=线型 Weight=线宽 ColorIndex=线的颜色(-4105为自动) 
                     UnitRge.BorderAround(_variant_t((long)1),_variant_t((long)2),_variant_t((long)-4105),vtMissing);//设置边框 
              } 
       } 


       //释放对象(相当重要!) 
       m_ExlRge.ReleaseDispatch(); 
       m_ExlSheet.ReleaseDispatch(); 
       m_ExlSheets.ReleaseDispatch(); 
       m_ExlBook.ReleaseDispatch(); 
       m_ExlBooks.ReleaseDispatch(); 
       //m_ExlApp一定要释放,否则程序结束后还会有一个Excel进程驻留在内存中,而且程序重复运行的时候会出错 
       m_ExlApp.ReleaseDispatch(); 

       //退出程序 m_ExlApp.Quit(); 
	
//	CDialog::OnOK();
}


以上代码,需要先导出Excel的com接口调用类。


1.在VC中新建一控制台程序,选支持MFC(当然,你也可以不选择支持MFC的,不过会很麻烦)  
2.按CTRL+W调出MFC ClassWizard,Add Class->From a type library,   选择Excel.exe  选择 你需要的,"_"开头的应该是必须的。
 

QtXlsx:轻松实现Excel文件读写功能 QtXlsx是一个开源的C++库,专门用于处理Excel文件格式(主要是.xlsx文件)。它为开发者提供了丰富的API,使得操作Excel文件变得简单高效,无需依赖Microsoft Office或其他第三方库。QtXlsx库特别适用于需要在Qt环境中处理Excel文件的应用程序开发,尤其是那些需要读写Excel数据但又不希望引入重型依赖的场景。在本章中,我们将概述QtXlsx库的基本概念、功能以及它如何集成到Qt应用程序中。 阅读详情

相关推荐

C++读写EXCEL,设置单元格和字体属性

用微软提供的组件来操作excel ,C++操作EXCEL,支持读写、设置字体和单元格属性,适合初学者参考。

导出Excel示例(C++)【设置边框、设置背景色、合并单元格的示例】

本示例导出的Excel图片如“下图”所示(设置边框、设置背景色、合并单元格的示例) 1.将附件中exportExcel.zip解压并将文件夹拷到你工程所在目录下 2.包含以下头文件 #include "exportExcel/CApplication.h" #include "exportExcel/CFont0.h" #include "exportExcel/Cnte

dhl11的博客 3980

利用LTspice设计Pt100测温电路

是一种广泛使用的温度传感器,它属于(RTD, Resistance Temperature Detector)的类型,通常用于温度测量。在0°C时,的电阻值为100欧姆,且它的电阻值会随着温度的升高而升高。PT100热电阻温度阻值对应表)因此可以根据这一特性来检测出环境温度。

2301_77033628的博客 2417

C++操作EXCEL中的单个CELL,支持读写、设置字体大小、颜色和单元格属性

头文件中函数定义         //启动EXCEL程序 BOOL Init(); //关闭EXCEL,释放资源 void Close(); //从EXCEL读取数据前的加载函数 BOOL InitRead(const char* filePath); //保存EXCEL表到 filePath BOOL Save(const char* filePath); ...

yuer_xiao的博客 5009

HDMI协议介绍(一)--Overview

HDMI全称(High Definition Multimedia Interface)高清多媒体接口,支持在单线缆上传输全数字高清视频和多声道音频。

SlamDunk的博客 2万+

手把手教你实现RK3588的Secure Boot:密钥烧录与镜像签名验证

摘要:本文详细介绍了瑞芯微RK3588平台下SecureBoot的密钥烧录与镜像签名验证实现方法。首先阐述了SecureBoot的工作原理、安全优势及其在RK3588智能安防、工业控制等场景中的重要作用。接着分步骤指导了硬件准备、软件工具配置、密钥对生成等准备工作,并详细说明了进入烧录模式、工具选择配置、密钥烧录执行等关键操作流程。文章还解析了镜像签名生成与验证机制,包括启动验证流程和常见故障处理方法。最后对SecureBoot在RK3588设备中的未来应用进行了展望,强调其与TrustZone等安全技术融

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 2045

VC操作Excel

VC操作Excel  1、Excel的层次结构:  Application  Workbooks  Workbook  ......  Worksheets  Worksheet  ......  Range  Font  Borders  ......  .......  2、插入类型库  (1)、在一个已有的MFC工程按Ctrl + W 弹出ClassWizard

走进C的世界 447

AI工具赋能日常工作的实践指南:以产品经理与程序员为例

AI工具赋能日常工作的实践指南:以产品经理与程序员为例

专注于编程、AI、人工智能等多个领域内容研究和分析 591

VC 把数据导出至EXCEL中

之前在网上找了一些关于VC中导出为EXCEL的代码,没有一个完整的类,正好现在的项目里要用到,所以就花点时间写了一个例子。   目前具有的功能: (1)支持表单的重命名; (2)合并单元格;         支持"A1"、"D3"格式的合并,也可写坐标点,如1,1,4,3 (3)设置单元格内容;        1)可设置某个单元格的内容,支持字符串作为参数,也可写坐标点来定位单元格

miaoshengwu Blog 1235

微信小程序 - 解决支付报错 requestPayment:fail access denied (微信支付提示错误requestPayment:拒绝访问失败,真机运行测试或打包编译上线后报错问题)

微信小程序,微信支付,wx.requestPayment,微信小程序支付报错requestPayment:fail access denied,调不起微信,无法唤起支付弹窗,支付失败,支付权限没问题,小程序上线后支付报错,小程序真机测试支付报错,微信小程序苹果ios系统手机无法支付,小程序发布上线后支付报错,本地测试没问题,拒绝访问失败,小程序调起支付API requestPayment:fail:access denied微信开发者工具正常支付,权限没问题,微信公众平台,依旧报错怎么办,检查了appid都

🏆 前端领域优质创作者 1万+

从零搭建 SAP ALE/IDoc:自定义 IDoc 结构、Outbound 发送、Inbound 入库与排错全流程

本文介绍了SAP系统中ALE和IDoc技术的应用,用于解决分布式系统集成中的数据传递问题。主要内容包括: ALE/IDoc技术概述 ALE通过消息驱动方式实现业务数据传递 IDoc作为标准化数据信封,包含控制信息、业务数据和状态记录 支持SAP与非SAP系统间集成 核心概念 ALE的价值在于业务消息传递而非远程调用 IDoc由控制记录、数据记录和状态记录三部分组成 WE60工具用于查看IDoc文档结构 实践案例 演示如何将自定义业务表数据打包为IDoc 详细说明IDoc结构定义步骤(段、基本类型、消息类型)

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 319

纯C++生成复杂格式Excel文件教程

纯C++生成复杂格式Excel文件教程 去发现同类优质开源项目:https://gitcode.com/ 本教程介绍了一种在Linux环境下使用纯C++生成复杂格式Excel文件的方法。该方法摆脱了传统VC/C++生成Excel的局限性,如依赖COM或安装MS Excel等,通过编写C++代码以HTML脚本方式创建xls文件。 特点 不依赖任何非C++标准库 支持字体大小、颜色 支持单元格合并、...

gitblog_06754的博客 332

【错误解决】本地计算机上的mysql服务启动停止后,某些服务在未由其他服务或程序使用时将自动停止

转载请注明出处:http://blog.youkuaiyun.com/qq_26525215 本文源自【大学之旅_谙忆的博客】 在启动mysql服务时出现该错误: 本地计算机上的mysql服务启动停止后,某些服务在未由其他服务或程序使用时将自动停止。mysql 版本 5.7.14 系统 win 7后来经过一系列的百度,谷歌,总算是解决了。首先,你需要把原来的服务删除:mysqld --remove mysq

谙忆-陈浩翔 12万+

Qt 使用QAxObject增删改excel

示例: void TestExcel::on_writeBtn_clicked() { QAxObject excel("Excel.Application"); excel.setProperty("Visible",true); QAxObject *work_books = excel.querySubObject("WorkBooks"); work_b...

qq_24127015的博客 2566

事件驱动的 SAP 工作流:从 BOR 事件到 Event Linkage 的落地与排障全景图

摘要: SAP工作流中的Event是业务对象状态变化的系统广播机制,如发票录入、采购订单释放等事件。通过事件驱动,业务程序与流程引擎解耦,业务只需发布事件,流程引擎负责后续处理。文章详细解析了SAP工作流事件的完整链路,包括事件定义、触发机制、事件容器传递、SWE2配置的关键作用,以及事件不触发时的排查方法。重点介绍了事件在启动流程、终止任务、等待步骤和主动创建中的应用,并结合采购订单审批案例说明事件的实际使用场景和配置要点。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 189

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

纯C++生成复杂格式Excel文件教程:项目解析与应用

纯C++生成复杂格式Excel文件教程:项目解析与应用 去发现同类优质开源项目:https://gitcode.com/ 纯C++生成复杂格式Excel文件教程,是一个在Linux环境下通过纯C++代码生成xls文件的创新方案。下面,让我们深入探讨这个项目的核心功能、技术实现及其应用场景。 项目介绍 纯C++生成复杂格式Excel文件教程,提供了一个不依赖任何非C++标准库的解决方案,允许开发者编...

gitblog_06749的博客 387

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")

Qt下QAxObject+Excel的例子

参考于:http://blog.sina.com.cn/s/blog_a6fb6cc90101gv2p.html 自己总结写的个简单的Excel类 有Excel的基本操作,如打开、创建、写、读、修改字体、合并方框、获取行、列等操作。 具体文件内容见: 使用注意事项:每次获取了工作表数量之后,需要重新选中工作表! 关于怎么判断Excel是否被打开;原本是判断打开之后有没有生成对应的~$*.xlsx。...

川哥子的博客 1007

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

如何利用C++ Builder 4.0 Enterprise实现对Excel97 的调用

我们在进行数据库软件的开发时,一般都要进行大量的报表设计,虽然我们可以利用Crystal Report 或程序自带的报表工具进行报表设计,但是当涉及到要设计多重报表或交叉报表时、我们一般都会感到自己力不从心。有时虽然想利用Excel作为前台报表,但却找不到相关接口只能作罢。其实我们只要知道Excel的接口结构,就能够方便的实现对Excel的调用。   原理:在Excel 中程序接口一般分为3层 ,

蝈蝈俊.net 1557

QT EXCEL操作攻略

    QAxObject excel("Excel.Application");     excel.setProperty("Visible", false);     QAxObject *work_books = excel.querySubObject("WorkBooks");     work_books-&gt;dynamicCall("Open(const QString&...

kcpnevergiveup的专栏 491

使用QXlsx保存数据文件为Excel

使用Qxlsx保存数据文件为Excel格式,包括Excel的内容样式,字体大小等等设置。

千成林的博客 1062

QXlsx基本操作记录

打开一个Excel文件 QString filePath = QFileDialog::getSaveFileName(this, tr("选择保存路径"), tr("新建.xlsx").arg(modelName), QStringLiteral("*.xlsx")); if(filePath.isEmpty()) { return; } QXlsx::Document xlsxDocument(filePath); 单元格样式设置 ..

友善啊,朋友的博客 3381

Qt/CPP实现的高性能表格小部件:功能超强大的表格程序

它就像是一个功能强大的类似excel表格程序,支持合并单元格,查找替换,打印预览,分页,字体加颜色、粗体、单元格边线、字体大小,撤销前进,背景颜色等等各种超实用的功能。下面简单说下代码里一些有趣的地方吧😜。支持合并单元格,查找替换,打印预览,分页,字体加颜色,粗体,单元格边线,字体大小,撤销前进,背景颜色等功能。支持合并单元格,查找替换,打印预览,分页,字体加颜色,粗体,单元格边线,字体大小,撤销前进,背景颜色等功能。小部件具有广泛的打印功能,包括以与屏幕上的表格显示不同的视觉特征打印表格的功能。

yTfDRlpl的博客 250

应用POI组件读写Excel文档

可以从http://poi.apache.org/这里下载到POI的jar包 或者从这里下载:http://download.youkuaiyun.com/source/2984357     package com.jwy.excel;   import java.io.FileOutputStream;   import org.apache.poi

lingjiuhun的专栏 803
上一篇: c++ 多线程中 创建EXCEl应用程序失败解决办法
下一篇: github 使用
writeeee
博客等级 码龄18年 35粉丝 76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