Menu控件+SQLServer实现动态多级菜单

本文介绍如何使用C#和ASP.NET从数据库中动态加载并构建多级菜单。通过递归方法实现子菜单的添加,确保菜单项按层级正确显示。


首先是数据表的设计

其中treeId指的是该菜单项的父ID,如果treeId为0.表示该菜单项为根菜单项,否则表示他为某菜单项的子菜单,比如id为2的项,他的父节点是1.则他是张三的子菜单,而张三是根菜单,position只用于根菜单项,用于控制显示的顺序。

往网页里拖入一个menu控件,然后添加代码

using System;
using System.Data;
using System.Configuration;
using System.Web;
using System.Web.Security;
using System.Web.UI;
using System.Web.UI.WebControls;
using System.Web.UI.WebControls.WebParts;
using System.Web.UI.HtmlControls;
using System.Data.SqlClient;
using System.Data.ProviderBase;
public partial class _Default :  System.Web.UI.Page
{
    public int treeID;
    protected void Page_Load(object sender, EventArgs e)
    {
        SqlConnection CN = new SqlConnection("server=.;Trusted_Connection=SSPI;database=MENUDB");  //MENUDB是数据库名
        //设定数据库操作命令
        CN.Open();
        SqlCommand Scmd = new SqlCommand("select * from TB_MENU where treeId=0 order by position", CN); //选出根菜单
        SqlDataReader odr = Scmd.ExecuteReader();
        while (odr.Read())  //循环读取
        {
            MenuItem menuNode = new MenuItem();
            menuNode.Text = odr["names"].ToString();
            menuNode.Value = odr["id"].ToString();
            menuNode.Enabled = true;
            menuNode.NavigateUrl = odr["page"].ToString();
            Menu1.Items.Add(menuNode);  //添加到根菜单
            treeID = Convert.ToInt16(odr["id"].ToString()); 
            addchildmenu(menuNode);
        }
        //关闭数据库连接
        Scmd.Connection.Close();
    }
    protected void addchildmenu(MenuItem pnode)  //添加子菜单
    {
        SqlConnection CN = new SqlConnection("server=.;Trusted_Connection=SSPI;database=MENUDB");
//设定数据库操作命令
        CN.Open();
        SqlCommand Scmd1 = new SqlCommand("select * from TB_MENU where treeID=" + treeID + "", CN);
        SqlDataReader odr = Scmd1.ExecuteReader();
        while (odr.Read())
        {
            MenuItem menuNode = new MenuItem();
            menuNode.Text = odr["names"].ToString();
            menuNode.Value = odr["id"].ToString();
            menuNode.Enabled = true;
            menuNode.NavigateUrl = odr["page"].ToString();
            pnode.ChildItems.Add(menuNode);  //为当前菜单项添加子菜单
            treeID = Convert.ToInt16(odr["id"].ToString());
            addchildmenu(menuNode);  //循环添加子菜单
        }
        //关闭数据库连接
        Scmd1.Connection.Close();
    }
}

  最终效果如下图

内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值