活动介绍

Silverlight样式与行为全解析

立即解锁
发布时间: 2025-08-26 01:42:29 阅读量: 12 订阅数: 45 AIGC
### Silverlight 样式与行为全解析 #### 1. 样式的应用 在 Silverlight 中,每个元素都可以使用一种样式(也可以不使用样式)。样式通过元素的 `Style` 属性(在 `FrameworkElement` 基类中定义)应用到元素上。例如,要让按钮使用之前创建的样式,可以这样做: ```xml <Button Style="{StaticResource BigButtonStyle}" Content="A Customized Button"></Button> ``` 样式系统带来了诸多好处: - 能够创建相关设置的组,使代码更清晰。 - 简化标记,更方便地应用设置。 - 应用样式时无需担心具体设置了哪些属性。 如果之后发现大字体按钮需要更多的内边距和外边距,可以为 `Padding` 和 `Margin` 属性添加设置器,所有使用该样式的按钮会自动应用新的样式设置。不过,样式设置的元素初始外观是可以被覆盖的。比如,应用了 `BigButtonStyle` 样式后,再显式设置 `FontSize` 属性,按钮标签中的 `FontSize` 设置会覆盖样式中的设置。理想情况下,应避免依赖这种覆盖行为,若需更改样式,建议创建一个新样式来设置相应属性,这样能在未来调整用户界面时更灵活,且干扰最小。 #### 2. 动态样式 通常可以在标记中链接样式,也能通过编程方式设置样式。要从页面的资源集合中检索 `BigButtonStyle` 并应用到名为 `cmd` 的 `Button` 对象上,可使用以下代码: ```csharp cmd.Style = (Style)this.Resources["AlternateBigButtonStyle"]; ``` 还能从项目中的单独资源字典文件(或引用的程序集)中检索样式。步骤如下: 1. 创建 `ResourceDictionary` 对象并提供正确的 URI: ```csharp ResourceDictionary resourceDictionary = new ResourceDictionary(); resourceDictionary.Source = new Uri("/Styles/AlternateStyles.xaml", UriKind.Relative); ``` 此示例假设资源字典是项目文件夹 `Styles` 中名为 `AlternateStyles.xaml` 的文件,且该资源字典必须编译为内容文件(在属性窗口中将“生成操作”设置为“内容”)。 2. 配置好 `ResourceDictionary` 后,从其中检索对象: ```csharp Style newStyle = (Style)resourceDictionary["BigButtonStyle"]; cmd.Style = newStyle; ``` 若要移除样式,将 `Style` 属性设置为 `null`。动态更改样式的能力为创建可换肤应用程序提供了可能,但实现这样的系统会很繁琐,因为需要通过编程方式检索每个样式对象并设置每个样式化控件。而在 WPF 中,只需交换新的合并字典,使用该合并字典样式的所有控件就会自动更新。 #### 3. 样式继承 在某些情况下,可能希望以一种样式的属性为基础创建更专业的样式,可通过设置样式的 `BasedOn` 属性来实现样式继承。例如: ```xml <UserControl.Resources> <Style x:Key="BigButtonStyle" TargetType="Button"> <Setter Property="FontFamily" Value="Georgia" /> <Setter Property="FontSize" Value="40" /> <Setter Property="Padding" Value="20" /> <Setter Property="Margin" Value="10" /> </Style> <Style x:Key="EmphasizedBigButtonStyle" TargetType="Button" BasedOn="{StaticResource BigButtonStyle}"> <Setter Property="BorderBrush" Value="Black" /> <Setter Property="BorderThickness" Value="5" /> </Style> </UserControl.Resources> ``` 第一个样式 `BigButtonStyle` 定义了四个属性,第二个样式 `EmphasizedBigButtonStyle` 继承了 `BigButtonStyle` 的这些属性,并补充了两个属性,为按钮添加了粗黑色边框。这种设计可以单独应用字体设置或字体与颜色的组合,也能创建更多包含已定义字体或颜色细节的样式。可以使用 `BasedOn` 属性创建一系列继承样式,但如果两次设置同一属性,最后一个属性设置器(继承链中派生类中的设置器)会覆盖之前的定义。 需要注意的是,继承样式的 `TargetType` 不必与父样式相同,但如果样式继承了目标元素类型中不存在的属性设置器,会引发错误。不过,样式继承虽看似方便,但通常会带来问题,因为它和代码继承一样存在依赖关系,会使应用程序更脆弱。例如,若更改 `BigButtonStyle`,`EmphasizedBigButtonStyle` 也会随之改变,除非显式添加更多设置器来覆盖继承的值。在实际应用中,这种问题会更严重,所以除非有特定原因,否则在使用样式继承前要谨慎考虑。 #### 4. 样式的组织 样式对象通常在页面级别定义,然后在该页面内的按钮中重用,但这并非唯一选择。实际上,不一定要将样式和资源一起使用,比如可以直接填充按钮的 `Style` 集合来定义其样式: ```xml <Button Content="A Customized Button"> <Button.Style> <Style TargetType="Button"> <Setter Property="FontFamily" Value="Georgia" /> <Setter Property="FontSize" Value="40" /> <Setter Property="Foreground" Value="White" /> </Style> </Button.Style> </Button> ``` 但这种方法无法与其他元素共享样式。更实用的做法是在不同的资源集合中定义样式: - 若要创建更有针对性的样式,可以使用其容器(如 `StackPanel` 或 `Grid`)的资源集合来定义。 - 同一样式可以在多个级别定义,Silverlight 会按照标准资源解析过程查找匹配名称的样式,先在当前元素的资源集合中查找,再依次查找包含元素及其容器的资源集合。 - 若要在应用程序中重用样式,可以在应用程序的资源集合(在 `App.xaml` 文件中)中定义,或者将其放在单独的资源字典中,并合并到需要它的每个页面的资源集合中。 #### 5. 按类型自动应用样式 除了创建命名样式并在标记中引用,还可以按类型自动应用样式。只需设置 `TargetType` 属性来指定适当的类型,不指定键名即可。例如: ```xml <Style TargetType="Button"> ``` 这样,该样式会自动应用到元素树中的所有按钮。例如,在 `UserControl.Resources` 集合中以这种方式定义样式,它会应用到该页面中的每个按钮(除非有更下游的样式替换它)。以下示例自动设置按钮样式,达到与之前相同的效果: ```xml <UserControl.Resources> <Style TargetType="Button"> <Setter Property="FontFamily" Value="Georgia" /> <Setter Property="FontSize" Value="40" /> <Setter Property="Foreground" Value="SlateGray" /> <Setter Property="Padding" Value="20" /> <Setter Property="Margin" Value="10" /> </Style> </UserControl.Resources> <StackPanel x:Name="LayoutRoot" Background="White"> <Button Content="A Customized Button"></Button> <Button Content="Another Customized Button"></Button> </StackPanel> ```
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

李_涛

知名公司架构师
拥有多年在大型科技公司的工作经验,曾在多个大厂担任技术主管和架构师一职。擅长设计和开发高效稳定的后端系统,熟练掌握多种后端开发语言和框架,包括Java、Python、Spring、Django等。精通关系型数据库和NoSQL数据库的设计和优化,能够有效地处理海量数据和复杂查询。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

OpenVX:跨平台高效编程的秘诀

### OpenVX:跨平台高效编程的秘诀 #### 1. OpenCL 互操作性扩展 OpenCL 互操作性扩展为 OpenVX 内的应用程序和用户算法提供了高效实现的支持,具备以下六个关键特性: - 共享一个通用的 `cl_context` 对象,供 OpenVX 和 OpenCL 应用程序使用。 - 共享一组有序的 `cl_command_queue` 对象,用于 OpenVX 和 OpenCL 应用程序/用户内核之间的协调。 - 允许 OpenCL 应用程序将 `cl_mem` 缓冲区导出到 OpenVX。 - 允许 OpenCL 应用程序从 OpenVX 收回导出的 `cl_mem

SSH连接与操作全解析

# SSH 连接与操作全解析 ## 1. SSH 主机密钥概述 当 SSH 客户端首次连接到远程主机时,双方会交换临时公钥,以此对后续通信进行加密,防止信息泄露。客户端在披露更多信息之前,需要确认远程服务器的身份。这是合理的,因为若连接到的是黑客软件,我们肯定不希望泄露用户名和密码。 ### 1.1 公钥基础设施的问题 构建公钥基础设施是解决互联网机器身份验证的一种方法。首先要确定证书颁发机构,将其公钥列表安装到所有浏览器和 SSL 客户端中,然后付费让这些机构验证身份并签署 SSL 证书,最后将证书安装到 Web 服务器上。但从 SSH 的角度看,这种方法存在诸多问题。虽然可以创建内部公

自适应复杂网络结构中的同步现象解析

# 自适应复杂网络结构中的同步现象解析 ## 1. 引言 在复杂的动力学网络中,同步现象一直是研究的重点。我们将主稳定性方法拓展到由 $N$ 个扩散且自适应耦合的振荡器组成的复杂网络中。通过对自适应耦合相位振荡器这一典型模型的研究,我们发现了由于稳定性岛屿的存在而导致的多簇现象的出现。接下来,我们将深入探讨相关内容。 ## 2. 自适应耦合振荡器网络模型 考虑一个由 $N$ 个扩散且自适应耦合的振荡器组成的网络,其形式如下: \(\dot{x}_i = f (x_i(t)) - \sigma \sum_{j = 1}^{N} a_{ij} \kappa_{ij} G(x_i - x_j)\

语音情感识别:预加重滤波器与清音影响分析

### 语音情感识别:预加重滤波器与清音影响分析 在语音情感识别领域,多种因素会影响识别的准确性和性能。本文将深入探讨预加重滤波器、清音去除等因素对语音情感分类的影响,并通过一系列实验来揭示不同特征向量大小、帧大小等参数在不同数据库中的表现。 #### 1. 清音去除 在语音情感识别中,通常会使用浊音和清音进行情感识别。然而,清音往往与语音信号记录中的噪声或静音区域具有相似的时间和频谱特征。为了探索去除清音后分类阶段的性能,我们使用自相关函数来去除每一帧中的清音。 具体步骤如下: 1. **自相关函数定义**:对于信号 $x(n)$ 从样本 $n$ 开始的一帧,其短时自相关函数定义为 $

言语节奏与大脑定时模式:探索神经机制与应用

# 言语节奏与大脑定时模式:探索神经机制与应用 ## 1. 大脑的预测性与时间维度 人类大脑是一个具有建设性的器官,它能够生成预测以调节自身功能,并持续适应动态环境。在这个过程中,运动和非运动行为的时间维度正逐渐被视为预测性偏差的关键组成部分。然而,编码、解码和评估时间信息以产生时间感和控制感觉运动定时的神经机制之间的复杂相互作用,仍然大部分是未知的。 ### 1.1 事件的时间与类型维度 个体和环境中的所有状态变化都会产生由类型(“是什么”)和时间(“何时”)定义的事件。为了成功地与不断变化的环境进行交互,人们需要不断适应这些事件的“是什么”和“何时”维度。人类不仅会对事件做出反应,还会

计算机视觉中的概率图模型:不完整数据下的贝叶斯网络学习

# 计算机视觉中的概率图模型:不完整数据下的贝叶斯网络学习 在计算机视觉领域,概率图模型是一种强大的工具,可用于处理复杂的概率关系。当数据不完整时,贝叶斯网络(BN)的参数学习和结构学习变得更具挑战性。本文将介绍不完整数据下BN参数学习和结构学习的方法。 ## 1. 不完整数据下的BN参数学习 在不完整数据中,变量 $Z_m$ 可能随机缺失或始终缺失。与完整数据情况类似,不完整数据下的BN参数学习也可通过最大似然法或贝叶斯法实现。 ### 1.1 最大似然估计 最大似然估计(ML)需要通过最大化边际似然来找到BN参数 $\theta = \{\theta_n\}_{n=1}^N$: $$

具有多重时滞和不确定参数的CRDNNs的无源性与同步性研究

# 具有多重时滞和不确定参数的 CRDNNs 的无源性与同步性研究 ## 1. 引言 在神经网络的研究领域中,具有多重时滞和不确定参数的连续反应扩散神经网络(CRDNNs)的无源性和同步性是重要的研究课题。无源性能够保证系统的稳定性和能量特性,而同步性则在信息处理、通信等领域有着广泛的应用。本文将深入探讨 CRDNNs 的无源性和同步性相关问题,包括理论分析和数值验证。 ## 2. 无源性判据 ### 2.1 输出严格无源性条件 当满足以下矩阵不等式时,网络(9.17)具有输出严格无源性: \[ \begin{bmatrix} W_6 & \Xi_2 \\ \Xi_2^T & W_7 \e

HNPU-V1:自适应DNN训练处理器的技术解析与性能评估

### HNPU-V1:自适应DNN训练处理器的技术解析与性能评估 在深度学习领域,DNN(深度神经网络)训练处理器的性能对于提高训练效率和降低能耗至关重要。今天我们要介绍的HNPU - V1就是一款具有创新性的自适应DNN训练处理器,它采用了多种先进技术来提升性能。 #### 1. 稀疏性利用技术 在DNN训练过程中,会出现输入或输出稀疏性的情况。传统的输出零预测方法虽然可以同时利用输入和输出稀疏性,但会带来面积和能量开销。而HNPU - V1采用了独特的稀疏性利用技术。 ##### 1.1 切片级输入跳过(Slice - Level Input Skipping) - **原理**:

网络数据上的无监督机器学习

### 网络数据上的无监督机器学习 在处理图数据时,机器学习(ML)并非必需,但它能带来很大的帮助。不过,ML的定义较为模糊,例如社区检测算法虽能自动识别网络中的社区,可被视为无监督ML,但NetworkX提供的一些方法虽类似却未得到数据科学界同等关注,因为它们未被明确称为图ML。 #### 1. 网络科学方法 在处理图数据时,有很多已掌握的方法可避免使用所谓的图ML: - **社区识别**:可以使用Louvain算法或直接查看连通分量。 - **枢纽节点识别**:使用PageRank算法,无需嵌入。 - **孤立节点识别**:使用`k_corona(0)`,无需ML。 - **训练数据创

利用大数据进行高效机器学习

### 利用大数据进行高效机器学习 #### 1. 集群管理与并行计算基础 在处理大数据时,集群的使用至关重要。当集群任务完成后,终止其派生的进程能释放每个节点占用的资源,使用如下命令: ```R stopCluster(cl1) ``` 对于大规模的大数据问题,还可以进行更复杂的`snow`配置,例如配置Beowulf集群(由多个消费级机器组成的网络)。在学术和行业研究中,若有专用计算集群,`snow`可借助`Rmpi`包访问高性能消息传递接口(MPI)服务器,但这需要网络配置和计算硬件方面的知识。 #### 2. 使用`foreach`和`doParallel`实现并行计算 `fore