关于showModelessDialog打印的问题

    最近要做一个网页打印程序,为了不使页面发生跳转,就想到用window.showModelessDialog()来实现打印功能。但是问题来了,showModelessDialog打开的新窗口里面不让打印,提示脚本错误。我用的打印控件是WebBrowser,包括打印预览,设置和打印都不行。后来在网上搜索也没有好的解决方案。今天苦思冥想终于成功了,贴出来给大家分享一下。

   首先,在点击打印按钮之后,调用showModelessDialog跳转到另一个页面A.html,showModelessDialog可以带上相关的参数。这里还要补充一个知识点,那就是showModelessDialog跳转之后子窗口获取父窗口参数的问题。我们可以在子窗口使用window.dialogArguments来获取参数,它默认是获取url后第一个参数的值,如果要获取多个参数,可以用逗号分隔,然后在子页面用split去解析就是了。

 

    然后,虽然已经通过showModelessDialog打开了一个新窗口A.html,但却打印不了A.html的任何内容。我的做法就是再继续跳转。用window.open(),再打开一个B.html页面,所有的打印功能将在B.html里面完成。记住一点,为了不使用户感觉弹出了两个窗口,在open()之后需要关闭当前窗口,当然直接用window.close()就可以了。如此一来,打印功能就解决了。关键的秘诀就是两次跳转。下面我贴出相关代码:

function print(obj){
	var parent = window.parent;
	var id = obj.id;
	var webbrower = document.getElementById('WebBrowser');
var url="/recharge_for_agents/JSP/front/charge/chargePrint.jsp?random="+Math.random();
	parent.showModelessDialog(url,id,"dialogHeight=300px,dialogWidth=200px,dialogLeft=0,dialogTop=0,status=no,resizable=yes");
}

   这是第一步,也就是点完打印按钮之后应该进行的操作。

 var id = window.dialogArguments;
 var url = "/recharge_for_agents/JSP/front/charge/realprint.jsp?id="+id;
 window.open(url,"弹出窗口","height=300px,top=0,left=0,width=200px,status=no,toolbar=no,menubar=no,location=no,scrollbars=yes,resizable=no");
 window.close();

   这是第二步,也就是上面提到的A.html。由于该页面本身不能打印任何东西,所以在这里我们有进行了第二次跳转而且跳转之后马上关闭当前窗口,所以你就感觉不到我打开了两个新的窗口。

function printPre(){
	document.all.WebBrowser.ExecWB(7,1);
}
function printSet(){
	document.all.WebBrowser.ExecWB(8,1);
}
function print(){
              document.all.WebBrowser.ExecWB(6,6);
}

 <object id="WebBrowser"  classid=CLSID:8856F961-340A-11D0-A96B-00C04FD705A2 height=0 width=0></object>

   这是真正的打印页面,使用的是WebBrowser控件。至此打印就OK了!

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
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