qt控件基本应用

Qt里面有很多控件,让我们来看一些常用控件。

首先是对pro文件的配置

 HEADERS += \
MyWidget.h

SOURCES += \
MyWidget.cpp

QT+=widgets gui
CONFIG += c++11

因为要用到lambda所以要加一个CONFIG+=c++11

下面是MyWidget.h

#ifndef MYWIDGET_H
#define MYWIDGET_H#include <QWidget>
#include <QTextEdit>
class MyWidget : public QWidget
{Q_OBJECT
public:explicit MyWidget(QWidget *parent = 0);signals:public slots://槽函数void comboChanged(const QString&);
protected:QTextEdit *edit1;
};#endif // MYWIDGET_H

下面是MyWidget.cpp

 

#include "MyWidget.h"
#include <QApplication>
#include <QLabel>//显示静态文本或者图片
#include <QPushButton>
#include <QLineEdit>//一行
#include <QComboBox>
#include <QCheckBox>
#include <QRadioButton>
#include <QTextEdit>//富文本
#include <QTextBrowser>//只读富文本
#include <QGroupBox>//分类框
#include <QSlider> //滑块
#include <QSpinBox> //数字的
#include <QDateEdit>
#include <QTimeEdit>
#include <QDateTimeEdit>
#include <QVBoxLayout>
#include <QCompleter>
#include <QHBoxLayout>
#include <QDebug>
#include <QPixmap>
#include <QLCDNumber>
MyWidget::MyWidget(QWidget *parent) : QWidget(parent)
{//垂直布局QVBoxLayout* lay = new QVBoxLayout(this);//一个labelQLabel* label;//一个下拉框QComboBox *combo;//一个按钮QPushButton* button;//一个点选框QRadioButton* radio;//一个富文本QTextEdit* edit;//一个组QGroupBox* group;//Qt里面可以用html来对控件的样式做变化lay->addWidget(label=new QLabel("<a href='www.baidu.com'>baidu</a>"));//设置按钮背景图片label->setPixmap(QPixmap("../bbb.jpg"));//c++11里面的新特性,相对于槽模式,lambda更加方便connect(label,&QLabel::linkActivated,[](QString str){qDebug() << str;});lay->addWidget(button=new QPushButton("Button"));//设置css样式表,可见qt还是比较强大的button->setStyleSheet("QPushButton {font:bold 16px;color:red}");lay->addWidget(radio=new QRadioButton("Radio"));radio->setStyleSheet("QRadioButton {font:bold 16px;color:red}");lay->addWidget(new QCheckBox("check"));connect(radio,&QRadioButton::clicked,[](bool v){qDebug() << v;});//添加下拉框lay->addWidget(combo=new QComboBox());//添加2个元素combo->addItem("select item1");combo->addItem("select item2");//设置是否可编辑combo->setEditable(true);//注释掉的部分是自动补全的提示//    combo->setCompleter(new QCompleter(QStringList() << "aaa" << "bbb"));//槽模式,注意在别的地方有相应的函数connect(combo,SIGNAL(currentIndexChanged(QString)),this,SLOT(comboChanged(QString)));//设置自动补全提示,内容为前面的itemcombo->setCompleter(new QCompleter(combo->model()));//添加富文本lay->addWidget(edit=new QTextEdit);edit->setText("<table border=1><tr><th>header1</th><th>header2</th></tr>""<tr><td>value1</td><td>value2</td></tr>""<tr><td>value3</td><td>value4</td></tr>""</table>""<br />""<img src=../aaa.jpg></img>");lay->addWidget(edit1=new QTextEdit);connect(edit1,&QTextEdit::textChanged,[&](){qDebug() << edit1->toPlainText();});//添加组lay->addWidget(group=new QGroupBox("some items"));//水平布局QHBoxLayout* layout;//把组的布局设置为水平布局group->setLayout(layout=new QHBoxLayout);layout->addWidget(new QPushButton("aaaa"));layout->addWidget(new QPushButton("aaaa"));//把组加入到最开始的垂直布局里面lay->addWidget(new QGroupBox);//滑块QSlider* slider;lay->addWidget(slider=new QSlider(Qt::Horizontal));//设置滑块的最小值slider->setMinimum(0);//设置滑块的最大值slider->setMaximum(100);//spinbox类似于滑块,不过其会显示值QSpinBox* spinBox;lay->addWidget(spinBox=new QSpinBox);spinBox->setMaximum(100);spinBox->setMinimum(0);//槽函数,把slider点的值给spinBoxconnect(slider,SIGNAL(valueChanged(int)),spinBox,SLOT(setValue(int)));lay->addWidget(new QDateTimeEdit);//LCDNumber显示LCD数字QLCDNumber* number;lay->addWidget(number=new QLCDNumber(10));//显示12345number->display(12345);//显示风格number->setSegmentStyle(QLCDNumber::Flat);
}void MyWidget::comboChanged(const QString &str)
{qDebug() << "combo value is " << str;
}int main(int argc,char** argv)
{QApplication app(argc,argv);MyWidget w;w.show();return app.exec();
}

我已经对其进行了解释。

然后接下来我们看看显示效果,有点逗,敬请谅解。

 

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/566183.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

数据结构之算法特性及分类

数据结构之算法特性及分类 算法的特性 1.通用性。2.有效性。3.确定性4.有穷性。基本算法分类 1.穷举法顺序查找K值2.回溯,搜索八皇后&#xff0c;树和图遍历3.递归分治二分查找K值&#xff0c;快速排序&#xff0c;归并排序。4.贪心法Huffman编码树&#xff0c;最短路Dijkstra…

Python数模笔记-模拟退火算法(4)旅行商问题

1、旅行商问题(Travelling salesman problem, TSP) 旅行商问题是经典的组合优化问题&#xff0c;要求找到遍历所有城市且每个城市只访问一次的最短旅行路线&#xff0c;即对给定的正权完全图求其总权重最小的Hamilton回路&#xff1a;设有 n个城市和距离矩阵 D[dij]&#xff0…

神经网络概述

神经网络概述 以监督学习为例&#xff0c;假设我们有训练样本集 &#xff0c;那么神经网络算法能够提供一种复杂且非线性的假设模型 &#xff0c;它具有参数 &#xff0c;可以以此参数来拟合我们的数据。 为了描述神经网络&#xff0c;我们先从最简单的神经网络讲起&#x…

Python数模笔记-StatsModels 统计回归(2)线性回归

1、背景知识 1.1 插值、拟合、回归和预测 插值、拟合、回归和预测&#xff0c;都是数学建模中经常提到的概念&#xff0c;而且经常会被混为一谈。 插值&#xff0c;是在离散数据的基础上补插连续函数&#xff0c;使得这条连续曲线通过全部给定的离散数据点。 插值是离散函数…

Python数模笔记-StatsModels 统计回归(3)模型数据的准备

1、读取数据文件 回归分析问题所用的数据都是保存在数据文件中的&#xff0c;首先就要从数据文件读取数据。 数据文件的格式很多&#xff0c;最常用的是 .csv&#xff0c;.xls 和 .txt 文件&#xff0c;以及 sql 数据库文件的读取 。 欢迎关注 Youcans 原创系列&#xff0c;每…

神经网络反向传导算法

假设我们有一个固定样本集 &#xff0c;它包含 个样例。我们可以用批量梯度下降法来求解神经网络。具体来讲&#xff0c;对于单个样例 &#xff0c;其代价函数为&#xff1a; 这是一个&#xff08;二分之一的&#xff09;方差代价函数。给定一个包含 个样例的数据集&#xff…

Python数模笔记-StatsModels 统计回归(4)可视化

1、如何认识可视化&#xff1f; 图形总是比数据更加醒目、直观。解决统计回归问题&#xff0c;无论在分析问题的过程中&#xff0c;还是在结果的呈现和发表时&#xff0c;都需要可视化工具的帮助和支持。  欢迎关注 Youcans 原创系列&#xff0c;每周更新数模笔记 Python数…

梯度检验与高级优化

众所周知&#xff0c;反向传播算法很难调试得到正确结果&#xff0c;尤其是当实现程序存在很多难于发现的bug时。举例来说&#xff0c;索引的缺位错误&#xff08;off-by-one error&#xff09;会导致只有部分层的权重得到训练&#xff0c;再比如忘记计算偏置项。这些错误会使你…

Python数模笔记-Sklearn (1)介绍

1、SKlearn 是什么 Sklearn&#xff08;全称 SciKit-Learn&#xff09;&#xff0c;是基于 Python 语言的机器学习工具包。 Sklearn 主要用Python编写&#xff0c;建立在 Numpy、Scipy、Pandas 和 Matplotlib 的基础上&#xff0c;也用 Cython编写了一些核心算法来提高性能。…

自编码算法与稀疏性

目前为止&#xff0c;我们已经讨论了神经网络在有监督学习中的应用。在有监督学习中&#xff0c;训练样本是有类别标签的。现在假设我们只有一个没有带类别标签的训练样本集合 &#xff0c;其中 。自编码神经网络是一种无监督学习算法&#xff0c;它使用了反向传播算法&#…

Python数模笔记-Sklearn(2)聚类分析

1、分类的分类 分类的分类&#xff1f;没错&#xff0c;分类也有不同的种类&#xff0c;而且在数学建模、机器学习领域常常被混淆。 首先我们谈谈有监督学习&#xff08;Supervised learning&#xff09;和无监督学习&#xff08;Unsupervised learning&#xff09;&#xff…

可视化自编码器训练结果

训练完&#xff08;稀疏&#xff09;自编码器&#xff0c;我们还想把这自编码器学到的函数可视化出来&#xff0c;好弄明白它到底学到了什么。我们以在1010图像&#xff08;即n100&#xff09;上训练自编码器为例。在该自编码器中&#xff0c;每个隐藏单元i对如下关于输入的函数…

Python数模笔记-Sklearn(3)主成分分析

主成分分析&#xff08;Principal Components Analysis&#xff0c;PCA&#xff09;是一种数据降维技术&#xff0c;通过正交变换将一组相关性高的变量转换为较少的彼此独立、互不相关的变量&#xff0c;从而减少数据的维数。 1、数据降维 1.1 为什么要进行数据降维&#xff1…

稀疏自编码器一览表

下面是我们在推导sparse autoencoder时使用的符号一览表&#xff1a; 符号含义训练样本的输入特征&#xff0c;.输出值/目标值. 这里 可以是向量. 在autoencoder中&#xff0c;.第 个训练样本输入为 时的假设输出&#xff0c;其中包含参数 . 该输出应当与目标值 具有相同的…

Python数模笔记-Sklearn(4)线性回归

1、什么是线性回归&#xff1f; 回归分析&#xff08;Regression analysis)是一种统计分析方法&#xff0c;研究自变量和因变量之间的定量关系。回归分析不仅包括建立数学模型并估计模型参数&#xff0c;检验数学模型的可信度&#xff0c;也包括利用建立的模型和估计的模型参数…

Python数模笔记-Sklearn(5)支持向量机

支持向量机&#xff08;Support vector machine, SVM&#xff09;是一种二分类模型&#xff0c;是按有监督学习方式对数据进行二元分类的广义线性分类器。 支持向量机经常应用于模式识别问题&#xff0c;如人像识别、文本分类、手写识别、生物信息识别等领域。 1、支持向量机&…

矢量化编程

当使用学习算法时&#xff0c;一段更快的代码通常意味着项目进展更快。例如&#xff0c;如果你的学习算法需要花费20分钟运行完成&#xff0c;这意味着你每个小时能“尝试”3个新主意。但是假如你的程序需要20个小时来运行&#xff0c;这意味着你一天只能“尝试”一个新主意&am…

Python数模笔记-NetworkX(1)图的操作

1、NetworkX 图论与网络工具包 NetworkX 是基于 Python 语言的图论与复杂网络工具包&#xff0c;用于创建、操作和研究复杂网络的结构、动力学和功能。 NetworkX 可以以标准和非标准的数据格式描述图与网络&#xff0c;生成图与网络&#xff0c;分析网络结构&#xff0c;构建…

逻辑回归的向量化实现样例

逻辑回归的向量化实现样例 我们想用批量梯度上升法对logistic回归分析模型进行训练&#xff0c;其模型如下&#xff1a; 让我们遵从公开课程视频与CS229教学讲义的符号规范&#xff0c;设 &#xff0c;于是 &#xff0c;&#xff0c; 为截距。假设我们有m个训练样本{(, ) ,...…