前言：
当前姐妹们对“c语言327681”大致比较注重，你们都想要剖析一些“c语言327681”的相关文章。那么小编同时在网摘上汇集了一些有关“c语言327681””的相关资讯，希望姐妹们能喜欢，大家快快来了解一下吧！在如何使用xlwt精确控制Excel表格列宽一文中，作者提到了xlwt的列宽像素计算公式：
def width_in_pixels(self):# *** Approximation **** return int(round(self.width * 0.0272 + 0.446, 0))
同时提出了一个精确计算列宽的新公式：
公式4：width=round(列宽字符数*256+182.8571,0)
新公式的精确性验证过程如下：
使用下面python代码生成test1.xls:
import xlwtbook = xlwt.Workbook(encoding='utf-8')sheet=book.add_sheet('12')k=0for pixel in range(12, 1791): if pixel % 250==0: sheet=book.add_sheet(str(pixel)) k=0 chars=round((pixel-5)/7,2) width=round(chars*256+182.8571) sheet.col(k).width=width sheet.write(0, k, width) #列宽值 sheet.write(1, k, sheet.col(k).width_in_pixels()) #近似像素 sheet.write(2, k, pixel) #期望像素 sheet.write(3, k, chars) #期望字符数 k+=1#保存平时成绩表book.save('test1.xls')在Excel中打开test1.xls, 运行宏代码：Sub ff()r = 10For j = 1 To 8 For i = 1 To 250 Sheet1.Cells(r, 30) = Sheets(j).Cells(1, i) Sheet1.Cells(r, 31) = Sheets(j).Cells(2, i) Sheet1.Cells(r, 32) = Sheets(j).Cells(3, i) Sheet1.Cells(r, 33) = Sheets(j).Cells(4, i) Sheet1.Cells(r, 34) = Sheets(j).Columns(i).Width * 4 / 3 ‘实际像素 Sheet1.Cells(r, 35) = Sheets(j).Columns(i).ColumnWidth '实际字符数 Sheet1.Cells(r, 36) = Sheets(j).Columns(i).Width ‘实际磅数 r = r + 1 NextNextEnd Sub获得数据如下表所示。近似像素从每列的width_in_pixels方法获得，后面的实际像素、实际字符和实际磅数通过Excel VBA脚本获得。
width
近似像素
期望像素
期望字符
实际像素
实际字符
实际磅数
439
12
12
1
12
1
9
475
13
13
1.14
13
1.14
9.75
513
14
14
1.29
14
1.29
10.5
549
15
15
1.43
15
1.43
11.25
585
16
16
1.57
16
1.57
12
621
17
17
1.71
17
1.71
12.75
659
18
18
1.86
18
1.86
13.5
695
19
19
2
19
2
14.25
731
20
20
2.14
20
2.14
15
769
21
21
2.29
21
2.29
15.75
805
22
22
2.43
22
2.43
16.5
841
23
23
2.57
23
2.57
17.25
877
24
24
2.71
24
2.71
18
915
25
25
2.86
25
2.86
18.75
951
26
26
3
26
3
19.5
987
27
27
3.14
27
3.14
20.25
1025
28
28
3.29
28
3.29
21
1061
29
29
3.43
29
3.43
21.75
1097
30
30
3.57
30
3.57
22.5
1133
31
31
3.71
31
3.71
23.25
1171
32
32
3.86
32
3.86
24
1207
33
33
4
33
4
24.75
1243
34
34
4.14
34
4.14
25.5
1281
35
35
4.29
35
4.29
26.25
1317
36
36
4.43
36
4.43
27
1353
37
37
4.57
37
4.57
27.75
1389
38
38
4.71
38
4.71
28.5
1427
39
39
4.86
39
4.86
29.25
1463
40
40
5
40
5
30
1499
41
41
5.14
41
5.14
30.75
1537
42
42
5.29
42
5.29
31.5
1573
43
43
5.43
43
5.43
32.25
1609
44
44
5.57
44
5.57
33
1645
45
45
5.71
45
5.71
33.75
1683
46
46
5.86
46
5.86
34.5
1719
47
47
6
47
6
35.25
1755
48
48
6.14
48
6.14
36
1793
49
49
6.29
49
6.29
36.75
1829
50
50
6.43
50
6.43
37.5
1865
51
51
6.57
51
6.57
38.25
1901
52
52
6.71
52
6.71
39
1939
53
53
6.86
53
6.86
39.75
1975
54
54
7
54
7
40.5
2011
55
55
7.14
55
7.14
41.25
2049
56
56
7.29
56
7.29
42
2085
57
57
7.43
57
7.43
42.75
2121
58
58
7.57
58
7.57
43.5
2157
59
59
7.71
59
7.71
44.25
2195
60
60
7.86
60
7.86
45
2231
61
61
8
61
8
45.75
2267
62
62
8.14
62
8.14
46.5
2305
63
63
8.29
63
8.29
47.25
2341
64
64
8.43
64
8.43
48
2377
65
65
8.57
65
8.57
48.75
2413
66
66
8.71
66
8.71
49.5
2451
67
67
8.86
67
8.86
50.25
2487
68
68
9
68
9
51
2523
69
69
9.14
69
9.14
51.75
2561
70
70
9.29
70
9.29
52.5
2597
71
71
9.43
71
9.43
53.25
2633
72
72
9.57
72
9.57
54
2669
73
73
9.71
73
9.71
54.75
2707
74
74
9.86
74
9.86
55.5
2743
75
75
10
75
10
56.25
2779
76
76
10.14
76
10.14
57
2817
77
77
10.29
77
10.29
57.75
2853
78
78
10.43
78
10.43
58.5
2889
79
79
10.57
79
10.57
59.25
2925
80
80
10.71
80
10.71
60
2963
81
81
10.86
81
10.86
60.75
2999
82
82
11
82
11
61.5
3035
83
83
11.14
83
11.14
62.25
3073
84
84
11.29
84
11.29
63
3109
85
85
11.43
85
11.43
63.75
3145
86
86
11.57
86
11.57
64.5
3181
87
87
11.71
87
11.71
65.25
3219
88
88
11.86
88
11.86
66
3255
89
89
12
89
12
66.75
3291
90
90
12.14
90
12.14
67.5
3329
91
91
12.29
91
12.29
68.25
3365
92
92
12.43
92
12.43
69
3401
93
93
12.57
93
12.57
69.75
3437
94
94
12.71
94
12.71
70.5
3475
95
95
12.86
95
12.86
71.25
3511
96
96
13
96
13
72
3547
97
97
13.14
97
13.14
72.75
3585
98
98
13.29
98
13.29
73.5
3621
99
99
13.43
99
13.43
74.25
3657
100
100
13.57
100
13.57
75
3693
101
101
13.71
101
13.71
75.75
3731
102
102
13.86
102
13.86
76.5
3767
103
103
14
103
14
77.25
3803
104
104
14.14
104
14.14
78
3841
105
105
14.29
105
14.29
78.75
3877
106
106
14.43
106
14.43
79.5
3913
107
107
14.57
107
14.57
80.25
3949
108
108
14.71
108
14.71
81
3987
109
109
14.86
109
14.86
81.75
4023
110
110
15
110
15
82.5
4059
111
111
15.14
111
15.14
83.25
4097
112
112
15.29
112
15.29
84
4133
113
113
15.43
113
15.43
84.75
4169
114
114
15.57
114
15.57
85.5
4205
115
115
15.71
115
15.71
86.25
4243
116
116
15.86
116
15.86
87
4279
117
117
16
117
16
87.75
4315
118
118
16.14
118
16.14
88.5
4353
119
119
16.29
119
16.29
89.25
4389
120
120
16.43
120
16.43
90
4425
121
121
16.57
121
16.57
90.75
4461
122
122
16.71
122
16.71
91.5
4499
123
123
16.86
123
16.86
92.25
4535
124
124
17
124
17
93
4571
125
125
17.14
125
17.14
93.75
4609
126
126
17.29
126
17.29
94.5
4645
127
127
17.43
127
17.43
95.25
4681
128
128
17.57
128
17.57
96
4717
129
129
17.71
129
17.71
96.75
4755
130
130
17.86
130
17.86
97.5
4791
131
131
18
131
18
98.25
4827
132
132
18.14
132
18.14
99
4865
133
133
18.29
133
18.29
99.75
4901
134
134
18.43
134
18.43
100.5
4937
135
135
18.57
135
18.57
101.25
4973
136
136
18.71
136
18.71
102
5011
137
137
18.86
137
18.86
102.75
5047
138
138
19
138
19
103.5
5083
139
139
19.14
139
19.14
104.25
5121
140
140
19.29
140
19.29
105
5157
141
141
19.43
141
19.43
105.75
5193
142
142
19.57
142
19.57
106.5
5229
143
143
19.71
143
19.71
107.25
5267
144
144
19.86
144
19.86
108
5303
145
145
20
145
20
108.75
5339
146
146
20.14
146
20.14
109.5
5377
147
147
20.29
147
20.29
110.25
5413
148
148
20.43
148
20.43
111
5449
149
149
20.57
149
20.57
111.75
5485
150
150
20.71
150
20.71
112.5
5523
151
151
20.86
151
20.86
113.25
5559
152
152
21
152
21
114
5595
153
153
21.14
153
21.14
114.75
5633
154
154
21.29
154
21.29
115.5
5669
155
155
21.43
155
21.43
116.25
5705
156
156
21.57
156
21.57
117
5741
157
157
21.71
157
21.71
117.75
5779
158
158
21.86
158
21.86
118.5
5815
159
159
22
159
22
119.25
5851
160
160
22.14
160
22.14
120
5889
161
161
22.29
161
22.29
120.75
5925
162
162
22.43
162
22.43
121.5
5961
163
163
22.57
163
22.57
122.25
5997
164
164
22.71
164
22.71
123
6035
165
165
22.86
165
22.86
123.75
6071
166
166
23
166
23
124.5
6107
167
167
23.14
167
23.14
125.25
6145
168
168
23.29
168
23.29
126
6181
169
169
23.43
169
23.43
126.75
6217
170
170
23.57
170
23.57
127.5
6253
171
171
23.71
171
23.71
128.25
6291
172
172
23.86
172
23.86
129
6327
173
173
24
173
24
129.75
6363
174
174
24.14
174
24.14
130.5
6401
175
175
24.29
175
24.29
131.25
6437
176
176
24.43
176
24.43
132
6473
177
177
24.57
177
24.57
132.75
6509
177
178
24.71
178
24.71
133.5
6547
179
179
24.86
179
24.86
134.25
6583
180
180
25
180
25
135
6619
180
181
25.14
181
25.14
135.75
6657
182
182
25.29
182
25.29
136.5
6693
182
183
25.43
183
25.43
137.25
6729
183
184
25.57
184
25.57
138
6765
184
185
25.71
185
25.71
138.75
6803
185
186
25.86
186
25.86
139.5
6839
186
187
26
187
26
140.25
6875
187
188
26.14
188
26.14
141
6913
188
189
26.29
189
26.29
141.75
6949
189
190
26.43
190
26.43
142.5
6985
190
191
26.57
191
26.57
143.25
7021
191
192
26.71
192
26.71
144
7059
192
193
26.86
193
26.86
144.75
7095
193
194
27
194
27
145.5
7131
194
195
27.14
195
27.14
146.25
7169
195
196
27.29
196
27.29
147
7205
196
197
27.43
197
27.43
147.75
7241
197
198
27.57
198
27.57
148.5
7277
198
199
27.71
199
27.71
149.25
7315
199
200
27.86
200
27.86
150
7351
200
201
28
201
28
150.75
7387
201
202
28.14
202
28.14
151.5
7425
202
203
28.29
203
28.29
152.25
7461
203
204
28.43
204
28.43
153
7497
204
205
28.57
205
28.57
153.75
7533
205
206
28.71
206
28.71
154.5
7571
206
207
28.86
207
28.86
155.25
7607
207
208
29
208
29
156
7643
208
209
29.14
209
29.14
156.75
7681
209
210
29.29
210
29.29
157.5
7717
210
211
29.43
211
29.43
158.25
7753
211
212
29.57
212
29.57
159
7789
212
213
29.71
213
29.71
159.75
7827
213
214
29.86
214
29.86
160.5
7863
214
215
30
215
30
161.25
根据上表得出两点结论：
xlwt的列宽像素计算公式不准确，列宽像素只是一个近似值，和实际像素存在一定误差，最大误差达到9个（表中没有显示）。使用新公式width=round(列宽字符数*256+182.8571,0) ，期望列宽字符数和实际列宽字符数完全一致，说明新公式能够方便程序员精确设置列宽值，把列宽精度控制到像素级别。
标签： #c语言327681
