当前位置: 首页 > news >正文

汇编语言全接触-39.获得结果

在本章中,我们来学习如何获得SQL语句的执行结果。

我们称由查询返回的一组记录为一个 结果集(result set) (或在VB中被称为recordset).检索结果通常分为以下几个步骤:

确认一个结果集是否可用。

将结果集的列绑定在适当的变量上。

取得行

完成对结果集的操作后,我们必须调用SQLCloseCursor来销毁它.

确认一个结果集是否可用

有时在执行SQL语句后,我们就已经知道结果集是否可用了。如果执行的语句并不是返回结果集的类型,我们就知道结果集不可用了。但有时我们不太清楚使用的SQL语句是什么类型,比如说,让用户自行输入SQL语句。这时,我们必须确认是否有结果集被建立,这可以通过SQLNumResultCols函数实现。如果结果集存在,则该函数返回结果集中的列数(字段数)。语法如下:

SQLNumResultCols proto StatementHandle:DWORD, pNumCols:DWORD

StatementHandle 语句句柄

pNumCols 指向一个双字的指针,其中包含了结果集的列数。

如果 pNumCols指向的值为0,那么表明结果集不存在。

绑定列

与绑定一个变量到SQL语句的参数相同,我们连接(绑定)一个变量到结果集中的某一列。这里要用到的函数是SQLBindCol,语法如下:

SQLBindCol proto StatementHandle:DWORD,

ColumnNumber:DWORD,

TargetType:DWORD,

TargetValuePtr:DWORD,

BufferLength:DWORD,

pStrLenOrIndPtr:DWORD

StatementHandle 语句句柄

ColumnNumber 结果集中要绑定的列序数.列序数从1开始.列0是书签(bookmark)列.

TargetType The 指示 TargetValuePtr指向的变量(缓冲区)的类型的常数。

TargetValuePtr 指向将要捆绑到列的变量或缓冲区的指针。当调用SQLFetch来获得结果集中的行时,本参数指向的变量或缓冲区将被填入被绑定的列的值。

BufferLength 由TargetValuePtr指向的缓冲区的长度。

pStrLenOrIndPtr 参见前章SQLBindParameter

例子:

.data?

buffer db 21 dup(?)

DataLength dd ? ;调用SQLFetch后,被填入缓冲区的字符串的长度

.code

.....

invoke SQLBindCol, hStmt, 1, SQL_C_CHAR, addr buffer, 21, addr DataLength

取得一行

非常简单.先调用SQLFetch 检索结果集的一列到绑定的变量中。当SQLFetch调用完成,游标(cursor)被更新(updated).可以认为游标就是一个记录指针(record pointer). 它指明了SQLFetch调用后将返回哪一行。比如说,如果结果集有4列,当结果集建立时,游标指向第一行.当调用了SQLFetch 后,游标被加1。所以如果调用了SQLFetch 4次,就没有更多的行可被提交了。游标会显示指向文件尾(EOF). SQLFetch语法如下:

SQLFetch proto StatementHandle:DWORD

当没有行可提交时,这个函数返回 SQL_NO_DATA.

例子:

.data?

buffer db 21 dup(?)

DataLength dd ?

.code

.....

invoke SQLBindCol, hStmt, 1, SQL_C_CHAR, addr buffer, 21, addr DataLength

invoke SQLFetch, hStmt

译者废话:还记得地球的经纬吗?我们通过SQLBindCol来定位经度(列),用游标来定义纬度(行),用SQLFetch来获得坐标,而结果集就是地球。大航海时代2的同好们不应忘记呀!(船长,我们找不到水......顺便问一句,这是地球吗%$#@&*^:-)

http://icebutterfly214.com/news/123358/

相关文章:

  • 53、FTDI设备使用与驱动配置全解析
  • Linly-Talker能否用于聋哑人手语翻译辅助?
  • 50、Windows Embedded Compact 7 中 USB 相机应用全解析
  • Linly-Talker能否生成动物拟人化形象?创意内容新方向
  • Linly-Talker镜像支持ARM架构服务器部署吗?
  • python django flask智慧美食点餐餐桌就餐系统数据可视化大屏分析_91nl08c1--论文
  • 规模化私域增长?这4个关键数字决定成败
  • Linly-Talker适合做游戏NPC吗?游戏开发者这样说
  • 大模型学习基础(六) 强化学习(Reinforcement Learning,RL)初步1.4
  • M3-Agent-Control:智能体控制新范式解析
  • Linly-Talker支持H.265编码压缩视频输出吗?
  • Linly-Talker语音抗噪能力强,嘈杂环境仍能准确识别
  • 20、Monad技术体系:自动化、脚本与管理的全面解析
  • 基于Linly-Talker镜像快速搭建虚拟客服系统(附GPU部署指南)
  • Qwen3-4B-Thinking-FP8:推理与效率双升
  • Emu3.5-Image:DiDA加速的多模态生成模型
  • Ming-flash-omni:稀疏MoE多模态模型预览
  • 32、Windows命令行工具综合指南
  • 从文本到数字人视频:Linly-Talker自动化内容生成全链路
  • 【Open-AutoGLM权限配置终极方案】:无需root也能稳定运行的4种方法
  • 在三维空间中,所有满足条件的旋转矩阵构成特殊正交群 SO(3),其几何形状是一个流形(而非凸集)
  • Linly-Talker与达观数据大模型技术对接实录
  • 31、TCP/IP网络故障排除全攻略
  • Goroutine “气泡”宇宙——Go 并发模型的新维度
  • 18、Windows Management Instrumentation (WMI)深入解析
  • 21、深入探索ADSI:Active Directory管理的高效之道
  • Linly-Talker支持语音节奏自动匹配
  • Linly-Talker与循环智能大模型平台整合测试
  • Linly-Talker与智谱GLM模型集成效果展示
  • Linly-Talker支持语音韵律特征提取