新闻详情

新闻详情

首页 / 资讯中心 / 详情

QFileDialog::getOpenFileName( )和QFileDialog::getExistingDirectory ()路径问题

发布时间:2026/11/14 14:48:43来源:尧图网络
QFileDialog::getOpenFileName( )和QFileDialog::getExistingDirectory ()路径问题
QString filePath QFileDialog::getOpenFileName(this, tr(选择文件), global_img_dir, tr(*));QString filePath QFileDialog::getOpenFileName( nullptr, 选择文件,QCoreApplication::applicationDirPath(), 文本文件(*.txt);;所有文件(*.*));QString folderPath QFileDialog::getExistingDirectory( this, 选择文件夹, QDir::homePath() );上面例子中的路径参数1.global_img_dir—— 这是一个你自己定义的变量通常有以下几种设置方式:方式1硬编码路径不推荐 QString global_img_dir C:/Users/YourName/Pictures;方式2使用相对路径 QString global_img_dir ./images; // 程序运行目录下的 images 文件夹方式3使用标准路径推荐QString global_img_dir QStandardPaths::writableLocation(QStandardPaths::PicturesLocation);// 其他常用标准路径// QStandardPaths::DocumentsLocation - 文档目录// QStandardPaths::DesktopLocation - 桌面目录// QStandardPaths::DownloadLocation - 下载目录// QStandardPaths::HomeLocation - 家目录方式4记住上次打开的路径最实用// 在头文件中声明静态变量static QString lastUsedPath QDir::homePath();// 打开对话框时使用上次路径QString filePath QFileDialog::getOpenFileName(this, 选择文件, lastUsedPath);if (!filePath.isEmpty()){lastUsedPath QFileInfo(filePath).absolutePath(); // 记住路径// 处理文件...}2. QDir::homePath()—— 用户家目录 系统自动获取Windows系统下是 C:\Users\用户名3. QCoreApplication::applicationDirPath()—— 程序所在目录获取当前可执行文件所在的目录例如 如果你的程序在 D:/MyApp/release/myapp.exe • 则返回 D:/MyApp/release
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉