WedX - журнал о программировании и компьютерных науках

как правильно вернуть значения из pyqt в JavaScript?

Я уже нашел и отредактировал ответ ниже.

Я хочу вернуть значения из кода Python в контекст javascript в QtWebKit. Пока у меня есть такой класс:

class Extensions(QtCore.QObject):
  @QtCore.pyqtSlot()
  def constant_one(self):
    return 1;
# ... later, in code
e = Extensions();
def addextensions():
  webview.page().mainFrame().addToJavaScriptWindowObject("extensions", e);
# ... 
webview.connect(webview.page().mainFrame(), QtCore.SIGNAL("javaScriptWindowObjectCleared"), addextensions)

Я могу вызвать эту функцию из Javascript так:

var a = extensions.constant_one();

и он действительно вызывается (я проверил там печатью); но все еще заканчивается неопределенным. Почему не получает значение, возвращаемое функцией? Я также пытался обернуть в QVariant, но пока без кубиков.

Редактировать: я нашел ответ. Судя по всему, QtWebKit нуждается в типе результата в качестве подсказки. Это можно предоставить pyqtSlot-Decorator, например:

class Extensions(QtCore.QObject):
  @QtCore.pyqtSlot(result="int")
  def constant_one(self):
    return 1;

и тогда работает корректно. Оставлю это открытым еще на два дня, на случай, если кто-то найдет что-то еще, чем мне следует заняться.

16.06.2011

Ответы:


1

вскоре после публикации вопроса я сам нашел ответ: по-видимому, QtWebKit нужен тип результата в качестве подсказки. Это можно предоставить pyqtSlot-Decorator, например:

class Extensions(QtCore.QObject):
  @QtCore.pyqtSlot(result="int") # just int (type object) also works
  def constant_one(self):
    return 1;

и тогда работает корректно.

16.06.2011
  • или для строки используйте (result=str), а не (result="str") 16.10.2014
  • Новые материалы

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

    ИИ в аэрокосмической отрасли
    Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


    Для любых предложений по сайту: [email protected]