文档章节

数据分析软件FineReport表单移动端

iris_1992
 iris_1992
发布于 2015/05/18 15:08
字数 466
阅读 44
收藏 0

数据分析软件FineReport表单移动端

1. 描述

FineReport表单有一个非常重要的特性,即其在移动端的展示效果非常好,不仅可以完美的实现自适应,且展现速度快。

下面我们来介绍一下表单移动端的设置。

在上一节我们介绍了表单样式的设计方式,但是其所有设置大部分是针对web端的,只有组件缩放选项才在移动端起作用,其他的样式设计在移动端不起作用,但是可以通过对组件块的内容样式进行设计,比如说报表块的单元格样式和图表块的图表样式。

1.1 移动端组件缩放

移动端组件与web端效果一样,可以选择是否进行自适应页面大小缩放显示,前面已经讲述过了,这里不再赘述。

1.2 移动端组件列表

我们在用手机端展示表单的时候,由于手机屏幕小的特性,不可能将所有组件原样的布局显示在设备上,FineReport会将其列表显示,通过上下滑动来查看各个组件的数据效果,那么列表显示的顺序该如何判定呢?

打开设计器,在表单的右下角有一个移动端的选项,切换到该选项,可以看到所有会展现在移动端的组件列表,如下图:

其默认顺序是拖曳组件的顺序,如果想更改其在手机设备上显示的顺序,选中拖曳即可,如下图:

松开鼠标,即可看到label10组件显示在最下面:

注:移动端控件列表的顺序更换只对手机移动端起作用。


© 著作权归作者所有

共有 人打赏支持
iris_1992
粉丝 1
博文 25
码字总数 23873
作品 0
无锡
程序员
私信 提问
用FineReport报表系统构建ITIL流程系统变更分析

用FineReport报表系统构建ITIL流程系统变更分析 注:此文为“帆软十年,项册征集”活动的获奖作品。 一、应用背景 随着ITIL的发展和深入,为提高IT服务管理的质量,某银行上线一套符合ITIL的...

Sherlynn
2015/04/29
0
0
将报表移动端集成到自有移动端app方法【IOS、Android】

应用场景 用户有自己的app,希望把报表的移动端【本文中以FineReport移动端为例】功能集成到他们的app里面去,而不需要安装两个app。Android端和IOS端的集成接口是不一样的,下面我们分开详述...

九月你好123
2015/08/11
303
1
炫酷报表工具 FineReport 9.0新特性预览

  【IT168 技术】FineReport是由帆软开发的一款商用报表软件,本质来说是一个通用的报表制作和数据可视化工具。因为其应用场景广泛,操作方式简单,在业内拥有不错的口碑。   近日,帆软...

it168网站
2017/11/21
0
0
finereport普通报表的移动端自适应方案

移动端报表呈现,首先要求的是页面随手机屏幕大小自动放缩(自适应),下面给出一个普通报表中的finereport移动端自适应方案,适用于finereport 7.1之前的版本。 首先,了解一下当前我们可以...

九月你好123
2015/07/30
0
0
web报表移动端如何进行移动设备绑定与撤销

场景需求描述 为了增强移动端的登录机制验证,保证数据的安全性,报表工具FineReport提供了移动设备绑定的功能,每个系统用户在使用移动端连接系统的时,需要管理员授权,将用户的移动设备与...

九月你好123
2015/08/20
0
0

没有更多内容

加载失败,请刷新页面

加载更多

进程管理利器Supervisor--centos7下安装与卸载

目录 概述 环境准备 检查python环境 在线安装 配置Supervisor 启动并验证 概述 Supervisor的安装可以有在线安装和离线安装两种方式。安装方式取决于服务器是否联网,联网的话可采用在线安装,...

java_龙
17分钟前
2
0
spring系列汇总

spring spring-基于可扩展Schema的特性自定义标签 springmvc-同一个访问资源,多种视图解析方式 spring cache 配置使用aspectj模式织入 基于注解的spring缓存,轻松无侵入解决cache问题 spri...

细肉云吞
17分钟前
2
0
vsftpd搭建ftp

12月10日任务 14.4 exportfs命令 14.5 NFS客户端问题 15.1 FTP介绍 15.2/15.3 使用vsftpd搭建ftp exportfs命令 在nfs运行后的一段时间内,如果需要添加共享目录,这时需要修改exports文件,并...

robertt15
19分钟前
2
0
numpy常用操作

水平合并数组 import numpy as npa = [1,2,3]b = [4,5,6]np.hstack((a,b))# array([1, 2, 3, 4, 5, 6])c = [a,['a','b','c']]d = [b,['d','e','f']]np.hstack((c,d))#array([['1'......

datadev_sh
36分钟前
5
0
四种检测异常值的常用技术简述

摘要: 本文介绍了异常值检测的常见四种方法,分别为Numeric Outlier、Z-Score、DBSCAN以及Isolation Forest 在训练机器学习算法或应用统计技术时,错误值或异常值可能是一个严重的问题,它们...

阿里云官方博客
39分钟前
2
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部