序列化FastReport
来源:互联网 发布:最优化方法 pdf 编辑:程序博客网 时间:2024/04/30 13:18
原本在开发一个报表插件,因为需要远程传输,因此需要序列化报表,序列化FastReport有两种方式,
1.仅序列化数据,由客户端接受到数据,并呈现报表,这种方式需要在客户端存储报表格式文件xxx.Frf,
2.序列化FastReport的结果集(即,得到数据后可以存成的frp文件),这样frf文件不需要在客户端存在.我倾向于采用这种方式,毕竟客户端越轻越好.
简单打开一个表之后,将fr生成结果存成frp后,发现有64k大,这是不能忍受的,这还仅仅是2xx数据而已,不过这个问题解决也很简单,压缩之(只有4K),d7自带的就有一个压缩单元zLib,至于zlib的用法很简单,它提供Stream和string 的压缩方式.这里就不说了,既然这个问题解决了,就剩序列化的代码,
序列化的过程很简单,其实了解了fr的几个重要方法之后,就很简单了,得到的成果如下:
在服务器端
frReport1.Dataset := FrDbDataset1; //设置frReport的Dataset属性
FrDbDataset1.DataSet := Adoquery1; //链接frDbDataset和Dataset实例
AdoQuery1.Open; //取得数据
frReport1.LoadFromFile('d:/1.frf'); //载入一个报表格式文件
frReport1.PrepareReport; //执行报表,得到数据,并不显示
frReport1.SavePreparedReport('d:/3.frp'); //将报表的结果存成文件
//载入3.frp,就可以得到序列化的数据,但是这样要访问硬盘,不爽.看看SavePreparedReport的代码
procedure TfrReport.SavePreparedReport(FName: String);
var
Stream: TFileStream;
begin
Stream := TFileStream.Create(FName, fmCreate);
EMFPages.SaveToStream(Stream);
Stream.Free;
end;
既然这样,看看EMFPages是否是public的,看来是可以的,那么我们可以将最后改成
Stream := TMemoryStream.Create;
EMFPages.SaveToStream(Stream);
result := Stream;
客户端
更简单,你不需要任何的数据集,甚至连frReport类的实例也可以动态生成,
with TfrReport.Create(nil) do
begin
try
LoadPreparedReport('d:/2.frp'); //也可以改成上面流的形式,用EMFPages
ShowPreparedReport;
finally
Free;
end;
end;
在这个问题的解决中,可以学到FastReport的几个主要方法
PrepareReport//使报表从数据集得到数据
ShowPreparedReport//显示已经得到数据的报表,注意和ShowReport的区别,其实ShowReport的实现看看就明白了)
LoadPreparedReport//从frp载入一个结果
SavePreparedReport//将结果存成一个文件
LoadFromFile//载入报表格式文件
- 序列化FastReport
- 序列化FastReport
- 序列化FastReport
- 序列化FastReport
- 序列化FastReport
- FastReport
- FastReport
- FastReport
- FastReport.Net 和fastreport
- fastreport(1)
- FastReport使用手册
- fastreport 示例
- FastReport FAQ
- FastReport FAQ
- FastReport几个问题
- FastReport FAQ
- FastReport几个问题
- FastReport经验
- DBGrid、MSFlexGrid、MSHFlexGrid这三个控件區別
- 莫奈
- 让Fastreport3.x支持中文PDF的输出
- CIH 1.5 源代码
- 星期一的盖浇饭
- 序列化FastReport
- 几个实用Web Service文档
- 关于Debug和Release之本质区别的讨论~~(主要针对VC6.0和VS2003.net编译工具而言)
- SQL查询重复记录的办法
- 凡高
- 塞尚
- ASP VBScript 分页函数 by Stabx, 最终版 2006-5-22
- 数据挖掘中聚类算法比较研究
- 狗尾续貂一句