- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
好吧,我知道我可以做到这一点:
Dim ws as worksheet
Set ws = thisworkbook.worksheets("Sheet1")
然后用 ws
工作表对象做我喜欢的事情
我还知道我可以Dim wss as worksheets
并且使用worksheets("Sheet1")
返回工作表对象。那么为什么下面的方法不起作用呢?
Dim wss as worksheets
Dim ws as worksheet
Set wss = thisworkbook.worksheets
Set ws = wss("Sheet1")
我也尝试过:
Dim wss as worksheets
Dim ws as worksheet
Set ws = thisworkbook.wss("Sheet1")
但后者看起来就像我试图重命名/缩短“工作表”,这似乎完全错误。我正在尝试将工作簿的工作表放入一个名为 wss 的工作表对象中。这更多的是试图理解层次结构而不是任何东西,但出于功能目的,我试图让 wss 包含工作簿 x 中的所有工作表,所以我可以只执行 ws = wss(1)
而不是说设置 ws = wb.worksheets(1)
这是否可能,或者我是否误解了工作表/工作表关系?
最佳答案
您必须将 wss
声明为 Sheets对象
Dim wss As Sheets
Dim ws As Worksheet
Set wss = ThisWorkbook.Worksheets
Set ws = wss("Sheet1")
这是因为Worksheets Workbook
对象的属性返回一个 Sheets
集合,即包含工作簿的 Worksheets
和 Charts
对象的集合
您是否需要仅调用 Workbook
Worksheets
(而不是 Charts
)的集合,如 ws = wss(1) 或喜欢,那么您可以对 Collection
对象采用以下解决方法
Option Explicit
Sub main()
Dim wss As Collection
Dim ws As Worksheet
Set wss = GetWorkSheets
Set ws = wss("Sheet1")
Set ws = wss(1)
End Sub
Function GetWorkSheets() As Collection
Dim wss As New Collection
Dim ws As Worksheet
For Each ws In ThisWorkbook.Worksheets
wss.add ws, ws.Name
Next ws
Set GetWorkSheets = wss
End Function
关于VBA 暗淡作为工作表(不是工作表),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39677645/
我目前正在开发的应用程序使用很多 ImageViews 作为按钮。这些按钮上的图形使用 Alpha channel 淡出按钮的边缘,使它们看起来不规则。目前,我们必须为每个按钮生成 2 个图形(1 个
我正在尝试将 3 dim numpy 数组减少为 2 dim 数组,但除了将其放入 for 循环之外想不出其他方法,这会花费太多时间。下面是我的代码片段。 train_dataset 是一个 3 维形
当我的 ListView 中的一个项目被点击时,我会在一个对话框中弹出几个选项供用户选择。但是,在不同的情况下,我想禁用一个或多个选项,以便用户无法选择它们。这是一些代码。 public class
是否可以在不使用 strlen、使用递归和这个定义的情况下就地反转字符串? void reverse(char *s, int dim); 我唯一能做的就是: void reverse(char *s
所以我试图实现 (a * b) * (M * a.T) 但我不断收到 ValueError 。由于我是 python 和 numpy 函数的新手,因此帮助会很棒。提前致谢。 import numpy.
我正在做机器学习作业,并且正在制作逻辑回归下降梯度和逻辑回归成本。我的功能是这样的: def calcLogRegressionCost(X, y, theta): #X is the fea
def cal_cost(theta,X,y): m = len(y) predictions = X.dot(theta) cost = (1/2*m) * np.s
我有 2 个 numpy 数组: x= np.linspace(1,10,100) + np.random.randn(n)/5 y = np.sin(x)+x/6 + np.random.randn
我是一名优秀的程序员,十分优秀!