zoukankan      html  css  js  c++  java
  • WPF学习笔记(数据绑定篇3)

    接上回的《WPF学习笔记(数据绑定篇2)》,继续

    BindValidation

    此示例演示了:

    • 如何使用错误模板;
    • 使用样式显示错误信息;
    • 如何在校验发生异常时执行回调;


    首先,你可以看见XAML中使用自定义的错误模板,指定错误模板的方式是:

    <TextBox Name="textBox1"              Validation.ErrorTemplate="{StaticResource validationTemplate}"
                 Style
    ="{StaticResource textBoxInError}" >
          
    <TextBox.Text>
    此错误模板我简单改造了一下,变得好看点:
          <ControlTemplate x:Key="validationTemplate">
            
    <DockPanel>
                
    <Image Source="Error.jpg" Width="16" Height="16"/>
              
    <AdornedElementPlaceholder/>
            
    </DockPanel>
          
    </ControlTemplate>
    注意这个模板是ControlTemplate(为什么是控件模板我也不知道,照葫芦画瓢),然后定义了一个布局,左边一个图像,右边一个AdornedElementPlaceholder占位符。
    (我在实验时,图像如果没有加入Width和Height,在显示时图片将变得很大)。
    当然,你也可以使用样式绑定到异常上来显示错误,例如:
          <Style x:Key="textBoxInError" TargetType="{x:Type TextBox}">
            
    <Style.Triggers>
              
    <Trigger Property="Validation.HasError" Value="true">
                
    <Setter Property="ToolTip"
                  Value
    ="{Binding RelativeSource={x:Static RelativeSource.Self},
                                  Path=(Validation.Errors)[0].ErrorContent}"
    />
              
    </Trigger>
            
    </Style.Triggers>
          
    </Style>
    当然,例子中还显示了,如果校验时发生异常(注意:是异常不是不正确的数据),将发生回调:
              BindingExpression myBindingExpression = textBox3.GetBindingExpression(TextBox.TextProperty);
              Binding myBinding 
    = myBindingExpression.ParentBinding;
              myBinding.UpdateSourceExceptionFilter 
    = new UpdateSourceExceptionFilterCallback(ReturnExceptionHandler);
              myBindingExpression.UpdateSource();

    当然,为什么是ParentBinding呢?需要想想看。
  • 相关阅读:
    myshop-dubbo 版图床
    Dockerfile里执行RUN chown 不起作用?
    The currently defined JAVA_HOME (/usr/local/openjdk-11) refers to a location where java was found but jstack was not found
    随机森林
    K-mean和K-mean++
    机器学习之特征选择
    聚类---度量
    机器学习之降维方法
    机器学习之生成模型和判别模型
    EM相关两个算法 k-mean算法和混合高斯模型
  • 原文地址:https://www.cnblogs.com/tansm/p/902996.html
Copyright © 2011-2022 走看看