wps怎么恢复成单页_使用excel、wps批量打印标签

这两天公司盘点,想打印些盘点标签,类似下图这样的,在网上搜了下,没找到合适的案例,就自己做了份。

bdc0ec6dbbf1bbeff227c56aab5a2754.png

标签样式

首先,做个物料表

我的是这样的,第一列,填写序号,这个挺重要的,就是依据它来打印的。序号按1,2,3顺序填写。

90340c57073c836b9dc7529c4f6b4337.png

物料表

其它列,填写你需要的内容。

先说下,我比较懒,我是先盘点好,最后打印的标签,数量也打印的。

做标签页

这个和平时自己做表格一样,你怎么顺眼怎么做。下图是我需要的,一页A4纸排了8个小标签

ad572edd9c3430d7a1779eb66454f846.png

标签排版

上图中有个E9单元格,后面会用到。

标签页公式

9646b08cb352eb4317f8007727899d78.png

标签页填写的公式

看上图,很简单的一个公式,“=VLOOKUP($E$9,物料名称!$A:$D,4,0)”,从物料名称表里按顺序填写名称。

第2个标签页,为“=VLOOKUP($E$9+1,物料名称!$A:$D,4,0)”,比第1个,+1,以此类推,第8个标签页,+7。

VLOOKUP是横着查找,$符号是绝对引用的意思,不带$为相对引用。

打印代码

Sub 打印标签()Dim a As Integer    '定义变量a为整数Dim b As Integer    '定义变量b为整数Dim c As Integer    '定义变量c为整数'a = InputBox("请输入开始打印序号") '若要使用这句,把本行最前面的“'”删除,下同。    '同时,须把下面的“a = 1 及 b = 597 ”删除,或者在其前面加上豆撇 ''b = InputBox("请输入结束打印序号")'下面2行,是我图省事,自己用的。a = 1   '从序号1开始b = 597 '到序号597结束c = (b + 8) / 8 '你一页有几个标签,8就是几。比如你一页排了4个标签,这句就是c = (b + 4) / 4For i = a To c  '从序号a打印到序号c,本例中,a是1,c = (b + 8) / 8 = (597 + 8) / 8 = 75.625Range("E9").Value = a   '把E9单元格的数字传给变量a'ActiveSheet.PrintOut   '若你只有一个打印机,或者打印前先选定了打印机,可以使用这句,会使用默认打印机打印。'下句可以指定使用哪个打印机来打印。From:=1, To:=1,可以指定打印第几页至第几页。ActiveWindow.SelectedSheets.PrintOut From:=1, To:=1, Preview:=False, ActivePrinter:="Microsoft Print to PDF"a = a + 8   '数字8是一页的标签数量,若你一页排了4个标签,就改成a = a + 4Next iEnd Sub
3a34427e3827ebf7a6e63f5321c4d16c.png

VBA代码

这个代码,很简单,注释我也写的挺清楚的,使用应该没啥问题。

若你的WPS没有安装VBA,可以从网上下个,在评论区我也贴个下载链接。excel自带vba,不用下。

对于E9单元格,若不想看到数字,可以设置字的颜色为纸的颜色,比如”白色“。

最后,若你的表格上看不到“开发工具”,就是下图中的最后那个。若有,点“宏”,即可看到“打印标签”项。

5845e7de7202a1b55293776ff56ab6a1.png

开发工具

按下图顺序即可找到。文件→选项→自定义功能区,勾选“开发工具”。WPS和Excel基本相同。

6b9512f80dd8e0978450b233e7fe6375.png

开发工具位置

如有错误,欢迎朋友们指正,以免误人。

忘记了件事,打印机的名字在系统打印机和扫描仪页查看,照抄填写到代码里即可。

8cd13ec5ded53cd35c74354e22f1f26e.png

查看打印机名字

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