WPF ObservableCollection 和 BindingList 有什么区别

ObservableCollection<T>BindingList<T>都是.NET Framework中的泛型集合类型,它们都支持数据绑定和元素的增加、删除、修改等操作。然而,它们之间存在一些关键的差异,使它们在不同的场景下更有用。

ObservableCollection:

ObservableCollection<T>是用于WPF数据绑定的首选集合。它实现了INotifyCollectionChanged接口,这意味着当集合中的元素被添加、删除或整个列表被刷新时,它会提供通知,这对于绑定到WPF UI元素(例如ListBoxItemsControl)是必要的。

ObservableCollection<T>还实现了INotifyPropertyChanged接口,因此当集合中的元素被替换或者Count属性发生改变时,它也会提供通知。

BindingList:

BindingList<T>是.NET Framework 2.0引入的,主要用于Windows Forms数据绑定。它提供了一些ObservableCollection<T>没有的特性,如排序和搜索支持,但这些特性通常在WPF中不常用或有其他方式实现。

BindingList<T>实现了IBindingList接口,该接口提供了对数据源列表更改的通知,包括添加、删除、修改等操作。

总结

  • ObservableCollection<T>通常是WPF数据绑定的首选集合,它在集合变更时提供通知。
  • BindingList<T>主要用于Windows Forms数据绑定,提供了排序和搜索支持。
  • 两者都实现了对数据源列表更改的通知,但在不同的上下文和用例中,一种可能比另一种更有用。

在选择使用哪种类型时,你应考虑你的特定需求和你正在使用的UI框架。如果你正在开发WPF应用程序,那么ObservableCollection<T>可能是最好的选择。如果你正在开发Windows Forms应用程序,那么BindingList<T>可能更适合你的需求。

以下是使用ObservableCollection<T>BindingList<T>的示例代码。

ObservableCollection 示例:

// 创建ObservableCollection
ObservableCollection<string> collection = new ObservableCollection<string>();// 订阅CollectionChanged事件
collection.CollectionChanged += (s, e) => {Console.WriteLine("Collection changed: {0}", e.Action);
};// 添加元素
collection.Add("Item 1");// 删除元素
collection.Remove("Item 1");

在上述的例子中,当你向collection添加或删除元素时,你会看到在控制台上打印出相应的更改通知。

BindingList 示例:

// 创建BindingList
BindingList<string> bindingList = new BindingList<string>();// 订阅ListChanged事件
bindingList.ListChanged += (s, e) => {Console.WriteLine("List changed: {0}", e.ListChangedType);
};// 添加元素
bindingList.Add("Item 1");// 删除元素
bindingList.Remove("Item 1");

在这个例子中,当你向bindingList添加或删除元素时,你会看到在控制台上打印出相应的更改通知。

这些示例都是在控制台应用程序中运行的。在实际的WPF或Windows Forms应用程序中,你可能会在更改集合时更新UI,而不是在控制台上打印消息。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/151819.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C#的MessagePack(unity)--02

高级API (MessagePackSerializer) MessagePackSerializer类是MessagePack for C# 的入口点。静态方法构成了MessagePack for C# 的主要API。 APIDescriptionSerialize<T>将一个对象图序列化为MessagePack二进制块。可以使用异步变体获取Stream。也有非泛型重载可用。De…

设计模式—结构型模式之外观模式(门面模式)

设计模式—结构型模式之外观模式&#xff08;门面模式&#xff09; 外观&#xff08;Facade&#xff09;模式又叫作门面模式&#xff0c;是一种通过为多个复杂的子系统提供一个一致的接口&#xff0c;而使这些子系统更加容易被访问的模式。 例子 我们的电脑会有很多 组件&am…

动态页面调研及设计方案

文章目录 vue2 动态表单、动态页面调研一、form-generator二、ng-form-element三、Variant Form四、form-create vue2 动态表单、动态页面调研 一、form-generator 预览&#xff1a;https://mrhj.gitee.io/form-generator/#/ Vue2 Element UI支持拖拽生成表单不支持其他组件…

反电动势对电机起动过程电流的影响

参考链接&#xff1a;反电动势对电机起动过程电流的影响 - 知乎

一个关于proto 文件的经验分享 :gRPC 跨语言双端通信显示错误码:12 UNIMPLEMENTED (附赠gRPC错误码表)

错误现象描述&#xff1a; 在使用c的客户端向golang的服务端发送远程调用时&#xff0c;显示&#xff1a; /home/zry/gRPC/grpc-v1.45.2/examples/cpp/DeviceData/greeter_client.cc83 12: unknown service DeviceData.DeviceDataService Greeter 接收到: RPC 失败这里的unkn…

pytorch的backward()的底层实现逻辑

自动微分是一种计算张量&#xff08;tensors&#xff09;的梯度&#xff08;gradients&#xff09;的技术&#xff0c;它在深度学习中非常有用。自动微分的基本思想是&#xff1a; 自动微分会记录数据&#xff08;张量&#xff09;和所有执行的操作&#xff08;以及产生的新张…

基于梯度算法优化概率神经网络PNN的分类预测 - 附代码

基于梯度算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于梯度算法优化概率神经网络PNN的分类预测 - 附代码1.PNN网络概述2.变压器故障诊街系统相关背景2.1 模型建立 3.基于梯度优化的PNN网络5.测试结果6.参考文献7.Matlab代码 摘要&#xff1a;针对PNN神经网络的光滑…

细说MySQL数据类型

TOC 目录 MySQL数据类型 数据类型分类 数值类型 tinyint类型 有符号tinyint范围测试 无符号tinyint范围测试 bit类型 bit类型的显示方式 bit类型的范围测试 float类型 有符号float范围测试 无符号float范围测试 decimal类型 字符串类型 char类型 char类型测试 …

Ubuntu 18.04/20.04 LTS 操作系统设置静态DNS

1、nano /etc/systemd/resolved.conf 2、修改配置 使用DNS服务器&#xff1a;223.5.5.5 223.6.6.6 [Resolve] DNS223.5.5.5 223.6.6.6 3、重启服务 systemctl restart systemd-resolved.service 4、查看解析文件 cat /run/systemd/resolve/resolv.conf # This file is man…

Jmeter 如何监控目标服务的系统资源

下载Jmeter插件管理下载 perfmon 将这个插件管理放到Jmeter的\lib\ext目录下 然后重启Jmeter jmeter-plugins-manager-1.10.jar 下载 perfmon插件 添加 io 内存 磁盘的监听 并且添加监听 在宿主机中安装代理监听程序 并启动 ServerAgent.tar.gz

数据结构-插入排序

插入排序 插入排序的三种常见方法&#xff1a; 直接插入排序、折半插入排序、希尔排序。 数据存储结构 因为我们是用的是C语言来实现算法&#xff0c;因此我们需要创建一个结构体&#xff0c;用来存放初始数据。 结构体定义如下&#xff1a; #define MAX 100 typedef int…

设计原则 | 开放封闭原则

一、开放封闭原则&#xff08;OCP&#xff1a;Open-Closed Principle&#xff09; 1、原理 软件实体&#xff08;类、模块、函数等等&#xff09;应该是可以扩展的&#xff0c;但是不可修改的。如果程序中的一处改动就会引发连锁反应&#xff0c;导致一些列相关模块的修改&…

GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型,到底做了什么?(二)

GPT实战系列-如何使用P-Tuning本地化训练ChatGLM2等LLM模型&#xff1f;(二) 文章目录 GPT实战系列-1.训练参数配置传递2.训练前准备3.训练参数配置4.训练对象&#xff0c;seq2seq训练5.执行训练6.训练模型评估依赖数据集的预处理 P-Tuning v2 将 ChatGLM2-6B 模型需要微调的参…

MATLAB 嵌套switch语句||MATLAB while循环

MATLAB 嵌套switch语句 在 MATLAB 中嵌套 switch 语句是可能的&#xff0c;可以在 switch 一部分外嵌套 switch 语句序列。即使 case 常量的内部和外部的 switch 含有共同的值&#xff0c;也不算冲突出现。 MATLAB嵌套switch语句语法 嵌套switch语句的语法如下&#xff1a; s…

012 C++ AVL_tree

前言 本文将会向你介绍AVL平衡二叉搜索树的实现 引入AVL树 二叉搜索树虽可以缩短查找的效率&#xff0c;但如果数据有序或接近有序普通的二叉搜索树将退化为单支树&#xff0c;查找元素相当于在顺序表中搜索元素&#xff0c;效率低下。因此&#xff0c;两位俄罗斯的数学家G.M…

学习模拟简明教程【Learning to simulate】

深度神经网络是一项令人惊叹的技术。 有了足够的标记数据&#xff0c;他们可以学习为图像和声音等高维输入生成非常准确的分类器。 近年来&#xff0c;机器学习社区已经能够成功解决诸如对象分类、图像中对象检测和图像分割等问题。 上述声明中的加黑字体警告是有足够的标记数…

OpenHarmony源码下载

OpenHarmony源码下载 现在的 OpenHarmony 4.0 源码已经有了&#xff0c;在 https://gitee.com/openharmony 地址中&#xff0c;描述了源码获取的方式&#xff0c;但那是基于 ubuntu 或者说是 Linux 的下载方式。在 windows 平台下的下载方式没有做出介绍。 我自己尝试了 wind…

PCIe协议加持,SD卡9.1规范达到媲美SSD的速度4GB/s

近日&#xff0c;SD协会&#xff08;SDA&#xff09;宣布了最新的SD Express存储卡的进化&#xff0c;将microSD Express存储卡的速度提高了一倍&#xff0c;达到2GB/s&#xff0c;并引入了4个新的SD Express速度等级&#xff0c;以确保新的SD 9.1规范中最低的顺序性能水平。这…

【Qt开发流程】之HelloWorld程序

【Qt开发流程】之HelloWorld程序 目的编写程序新建项目文件说明及界面设计 程序运行及发布程序运行程序发布手动构建使用windeployqt进行构建 设置应用程序图标修改快捷键类型列表命令行编译程序命令行编译.ui文件自定义类项目模式及项目文件介绍项目模式项目文件 目的 从Hell…

【Linux 源码阅读记录】设备树解析 of 相关代码

前言 最近移植接触 Linux 的设备树解析相关的代码&#xff0c;对 Linux of &#xff08;open firmware&#xff09;设备树解析代码比较感兴趣。 可以通过阅读Linux 大量的优秀代码&#xff0c;增强一些编程与编码的技巧与经验 切入点 of_device_is_available &#xff1a;设…