PDA

View Full Version : مبتدی: پرکردن دیتا در جدول



sahar1982
یک شنبه 31 اردیبهشت 1391, 09:54 صبح
با سلام.
چه طور می تونم از طریق stored procedure اطلاعات یک ماتریس یک یا دوبعدی رو در یک table جدید پر کنم؟
با تشکر.

ROSTAM2
یک شنبه 31 اردیبهشت 1391, 13:15 عصر
ماتریس چی نی! :لبخند:


stored procedure می شه بگی منظورتون از این stored procedure ] چیه

منظورتون و از این سوال واضح نرسوندین! توضیح بیشتر ... جدول جدید یعنی با query یه جدول جدید ایجاد بشه بعد اطلاعات ماتریس ثبت شه؟

sahar1982
یک شنبه 31 اردیبهشت 1391, 14:55 عصر
با تشکر از توجهتون. ببینین من یه سری table های ورودی دارم که با استفاده از دستورات insert، delete، show یا Update از Stored procedure ویرایش و حذف و اضافه کردن و... رو روی این Table ها انجام میدم و نتایج شو روی Data grid view می بینم. درواقع برنامه ای که دارم مینویسم مربوط به مقاوم سازی، طراحی و تحلیل ساختمانهاست که قبلاً کد تحلیل رو تو VBA تحت Excel نوشته بودم و حالا می خوام به صورت Visula درش بیارم. برای اینکه مجبر نشم دوباره چندهزار خط کدنویسی برای تحلیل ماتریسها انجام بدم، اومدم دیتاها رو از data grid view ریختم تو یه سری ماتریس که بتونم با همون کدهای قبلی محاسباتمو انجام بدم. حالا می خوام دوباره این ماتریسها رو یه سری Table که ساخته شده ان و مشخص هستن خروجی بگیرم. روش تبدیل کردن داده ها تو این ماتریسها به داده در Table رو در واقع می خوام. اونکه گفتم با store procedure فکرکردم شاید اینجا هم بشه از insert استفاده کرد. من چندین سال هست که کار کدنویسی می کنم ولی به صورت غییر ویژوال بوده. برا همین شاید سوالم خیلی مبتدی باشه. به انضمام اینکه چون رشته ام هم کامپیوتر نیست یه مقدار سخت تر هم میشه. امیدوارم منظورم رودرست رسونده باشم. پیشاپیش از توجه و همفکری شما تشکر می کنم.

ROSTAM2
یک شنبه 31 اردیبهشت 1391, 22:09 عصر
از دستور For...Next می تونید استفاده کنید

For i = 0 to Ubound(XArray)
XTableAdapter.InsertQuery(XArray(i))
Next i

اما می تونید از اطلاعات همون DataGrid برای ثبت در جدول استفاده کنید

For i = 0 to DataGridX.Rows.Count -1/2
XTableAdapter.InsertQuery(DataGridX.Rows(i).Cells( 0).Value[,...])
Next i

و لی کلا روش دومی کم دردسر تره از اطلاعات هر خونه datagrid بصورت ردیف به ردیف می تونید در جدول مورد نظرتون ثبت کنید

sahar1982
دوشنبه 01 خرداد 1391, 09:50 صبح
روش اول خیلی خوبه ولی برا حالتیکه بخواهیم یک ماتریس و وارد یک Table کنیم. متاًسفانه هر کدوم از ستونهای جدتول من خودشون یک ماتریس هستند و این روش یه کم گیج کننده میشه. دستورش هم یه کم با اینی که شما گفتید فرق داشت. اینجوری بود:
http://barnamenevis.org/image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAZIAAAA5CAIAAAC TTDo0AAAH0klEQVR4nO2czXWrMBCFaUt1qAnVoBaogApogAIow HvW3rNlzVvckznzRkiRMbGt5H6rGKO/0egyI+F0OyGENEX37g4QQshjULYIIY1B2SKENAZlixDSGJQtQk hjULYIIY1B2SKENAZlixDSGJQtQkhjULYIIY1B2SKENAZlixDS GJQtQkhjULYIIY1B2SKENAZlixDSGJQtQkhjULYIIY1B2SKENA ZlixDSGJQtQkhjULYIIY3xmGz1fR9CyH3rnBvH8ekufQrTNHVd t23bueIvtpVzru/7Cytsl7Llf4J640/T5JyDU43j2HXdsizrunZdd7vdDovc73f9rf54u926rpumad/3eZ6l5m/p+945J10yfu69h3Oerj/HMAyXTI2VLRjlkGma/qZs9X1/aBCZ+EOustWyLGhuXdfCbZ8jW9u2dV33Lk/Yts05N8/zKxutN34IYRgG/C2ytRe9xcjWOI7ee/ytZWVXcvMtBdlCnXC20/XnMGM5TSna0mOTK++SLRj3fr8/WU86qHKL+vECo8ssftvQJbYahiHG6Jwrt/u8bF0lfK+UrXQ2Ec68oGlNpenwBIJOGeZ5zrm3WeoFTxiGQRSt TEG2YowxxifrL+C9f97NKFvftPh22fLeI84tewxlC4QQcqvu56 g03TiOBd/L6VGaFR4K316URUNOthCr5jy8vv4ClzxXzsgWstyu67z3Ot6rX Iq32y2EgMTHey/xPGJmkQmtESZNwzLu+x4mMD3B1JqOwatws1AWwUrZkj6YtVpvK 22QGKNOBiVix9NYe4wuhT7Iytm2bRgGyWTFwrjNFNyTnQGZ9HV dY4y4GEKQ/sP4aCJ1QS1bsuSkHm0iXb++rjuvrY2PKIII1MwmmpYizjnJyPB RK5qOHTDXpkXdPTPvBeMXJtRIqnEw7/2h4GrZMsJnAjHskR2Kjh4Lpu9Qtows1tdfT+rJJ3hYtjATGCQM IYu/RrYg2OJMcFCsq4Js7Um0hb6JT+ieFGTrcFA5amRrHMdhGPSUi0 ZU2goGkVIxRh1V6ZBNL8J1XWVQ4pEyxhijdBJWhZWwwERAMUC9 yPXa27bNe282YtB/Mf6h3VLZkgHCZaXFGCNGt21bjBGVI0nRJtU9ND5mZrNgzGVZUF xuFnsOw+CcE+cJIWzbhuFLT9Bz3F82fqEPRkaNg+U8U2uHcY90 qygX94UQMK79yzMPZQt/i87W11/PQylLjodlS1vNqG+NbIUQTLLjvceVR2Ur15NXypZBW6DSVmYrA U6PzpuIPX1CinvhzkN/0p6XJtr6CW9qSIN56TN6kjtUSmXLREzSShpfpGmISBvKmrzbzC bERaZebxhN04TwCoIiDcF0qd9quQd4xK7rWjZ+bkLhALoh42DG/wU9g957bYFUViBPpgajpLjtULYwRrMGv63/IS7ZQ3h2b0tPWI1spatLWnlUtnI9ebFsoduClq0aW5lMR8cmZn lgEeKrdBS68nVdTVqtZUuPCKlWWsOeJOYAwUJ52+4wSZRvQwjS CmZKn09JsqbR0YpxMGMHFJfmtO7HGOd5HoYBQ5imCdWmSzq1jK 58WZay8XMTClM8KVtGuCtlJX1c5ZJETPqfkC2Je98uW+jJK2UL IdVhmlxpq0LULfsjGjzJyytHZzdptGVkS4uCka2coa6SLdyME3 3nnAQyuT3Hb2XLRFu7in1Q/zzPGK+8iGBSe13wtGwdTugbo6162fq10VaaWj+UJEpKqK/AsUxwYfY1ykmi7ol5fpoY/lrZSjd9c0lizlZp1pxra6/LU1BQhn86SUyzJOFC2RJgkJyI6HtMTwp7W/tXqrssC4wsL3Z2X6loqiZATK2voK1ykpib0P19e1v1SeKv3dvq/t9m1nscNbJltoHhHHAgjEeegd57fSdMrzd6Cj2Rh1K6Y1r/IkWNbOmdTjSkZavGVnqvFx9RIc6MzLNXjICeyK4wvBAf9SrCV0 a2JDyEMIlTmiWBjWcdtcUYcXMqW3qvvVK2tm0LIehTFBTHssd1 HImKSVMHM7OZHnXhin7JE75hzj1kS/5+v8P+6Llouh5gwfiFCd2TvbzCSaL2NG1DkU59W+6kTx+bYNTa FQ9lyxzz1dev7YPbdOyvrf2ek0S8doCERdxOhlET+yFQl5RH+z SGhJrNqdOuzsWnr/f1cz253+9oAlsb+gmPQyuUev4FCCxm1IYfLmjZqrTVoUFyx+Hi BFLKOTfPM5ozFWL4RrZMwdRo4mR6dLC2DO152dr/f3dEKtc/SzAelTpYOpup3XCDec9GRz27ci28JZcOX18vGz83oXsiOsbB9P FLTrbKsmIONLSs6LGM46jPW3Q3jDDV118vW+lRzwla/Sl1OU8hh6RC/PuY1I/+Pg19TGwwb8kXcoJCcKDfRDudi+mj25+o/8ffkv9kKFsn+AuydckrkT9HbtEafy78+q/wCxtd6vSPlgs/M3q+/lf8JvEc2Kc45EKhuUS2XtPVz+EvyNb+2Y+0w2DQ/AcIbOzmpim38vV/aMD+5un9o0PRvKT+n/oPEIQQ8uFQtgghjUHZIoQ0BmWLENIYlC1CSGNQtgghjUHZIoQ0 BmWLENIYlC1CSGNQtgghjUHZIoQ0BmWLENIYlC1CSGNQtgghjU HZIoQ0BmWLENIYlC1CSGNQtgghjUHZIoQ0xj/azosnwrME2gAAAABJRU5ErkJggg==Tbl_khorujie_lTableAd apter.Insert(wcode(i),l(i), dl(i))
ببخشید من بلد نیستم به فرمت مناسبی دستورات رو کپی کنم اینجا.
ولی یه راه دیگه ای به ذهنم رسید که با الگو گرفتن از همون روشی که جداول ورودی رو پر کردم اینجه هم stored procedure تعریف کردم:

http://barnamenevis.org/image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAvIAAACiCAIAAAC s6L7FAAAgAElEQVR4nO2dPW7cPBCG9xI+DIs9hQpfQYBvIPgG8 gUEly5kuAsgA+k+uUinKo1SBZCRJoCANJGLNPMVs56dJSkupd2 11/L7wIVXP/zRD/lqOOSsCAAAAABgEazeuwAAAAAAAMcBsgYAAAAACwGyBgAAAAAL AbIGAAAAAAsBsgYAAAAACwGyBgAAAAAL4QPImral1Qco5kF8hj oCAAAAp+bkfWmW0WpFdb3ngNWKqsp/wGfo8s+zjnVdr1aroijcXX3fr1arJEli0imKwpsOJ7KaW/Oqqvj0LMvCRyZJ0ve9PrEsy3mZfhT2vlYAALBIJvQoSbJpKPnP mJBY0VTV/iPr+o3a36raqYX8RdZlNklCqmP9MLRt65U1TKSsIaK6rsfSmS1 rmL7vw7Kmrus8z/WWYRiMMf3E+8HSk/+i672HorCfwyyjYThO4vSGrxUAAJwJ03qULKO23fzfdZSm1HX7 zzorWcN5WT1sUUDW+FmArEmSpJWn9pWyLAP1CtB1lOeU5+QkOZ Oq2nnys8x+OA8BsgYA8NmYL2uIqK6Jbfn8oSkb9U96lTVludme pp4uwdv+6u9jL/KxawxVVew39Jis4eyki+TE5Scbq9qW0nTzvW7VoqrImE15ioLS dKNjvPYhkTjhOrJ2dK9b32/LwJlKdntp2zbLMh6+SdO03hV0Xdelacp78zxvmka6/2EY8jyXE7uumyFreEBKD2CtVqu6ro0xvNGVIGHCsqZtW2OMu73 rOu/2vRQFNQ21rUd8yI02hrIsVk9Ysqbvdx7jsQeAqeutDTXLPA+A9 7Xq+22a7ihVVW33Ztn2u4Xf66LYVnPXBAYAAGfBQbKmqkhcFKw OTv9kwSGNICsDy8wT/qz09p780SyU5WRZ4+qbvifdRVo/s4ySZGPX4R5F4M5A+pW6JmN2upm91hq38Nz9yJDEMNjXzZjtlq KI/cofhqF7TYV7d/nZ932apiIsqqpKkkRkTZqm1etNats2TdMZsqaqqjRNBzXQwmqG y8D6JjJNKXNA1lRVlY90v6vVqosxNiqGYXub9K0hoqbZeQBmy5 os275T4QegaXbuOAsgawDL+1ql6XbjMFCe7xzTddtE+DEW2paS ZJMLF+bUNk4AAJjKfFnDn5XSjodljdXjtq39qTdV1nAjPg+xJ/HXp2avrNGF1KUyZo9LxAxZU5bUNDtbeAREWK22nZxV1HiKohAd U5ZltXsbqqpiOdI0jaUPplpr8jxP09Qd+lmtVlrlWO69ewnLmq IoxgabkiSpJ3bL+im15AjLmhluMZYxL0m29zT8ALjZWUUi32vV NB4rS8ChR99hljVa9GCECwBwbkyWNdL+WibxsKyxug/L0k7TZY13FCCSQ6w1lgEmUEKLGbLGHVawrpv+P17WsKFl9Yoe9 8myzBoDEt+aqqoq5w5NkjU8dOUmYvnWnLOs0c8/vwJje4sidkzQ0iJsy+SbEH4A3GvvPs/ua6U1vf6T267HUo2xrTU6fcgaAMAZctAglMZqZHVreCJrzezZK G7rL1jioOtiZY015ORyCmvNDFnT973Vnb+ZtaYoimEYXG+ek8q aIw5CWQ8DEeW532W+76koYlWm18TCz+cprDXWI2RR1/ZAp2WtgawBAJw5R5M1MtAuTrWC5VvDXilH8a3RjWxZ7tcWkteY rBkGMmZTNv5sjZQ17Fsj3Qz/1N23ODQMAxUFuQ4kY741kiP/HOtyImUNewTLoE9ZlsYYkTVv4FszDIPlF3xSWXNEl+GytI2OTb P1g7EGKMtypqzhu8xbwg9A0+xkwe9djG+N9eLwF4I887KLxZm+ OZA1AIDzZ+a6Nd5RIZmSw2PwPN9HluPzzoTymsSlrbRWynGnC+ llP/I8StNYrgyuSpMDWMNJZaUwfIo7p0lb791JK9x5uEUN1zE8E0oO lulUMTKjLEsefjLGsDGG5yK95mjPhJJZS+5MKP5/rwrRy/G1bSvjX7IcnyQiP/fOh9LnCl59c5QJ3vKkyRWWISfewq6+8gB45yUFktV/eqXAeTOhwq8V7b4F+ltlGLb1Yl0uL7KkyddYUjjidHQAADic81 vaFoCjcqzl+AAAAJw/kDVg+aRp+tmCJwAAwOcEsgYAAAAACwGyBhxKkiSum4u1lPBUeE L4GFMnZgMAAPgkQNYAAAAAYCFA1gAAAABgIUDWgMXCk8nfuxQA bPlyefnz6cnd/rtt7y4u3r48YAzv8h/gQ4BGf/lYK9OcM4Gi8kI1k5x1psoadugJLO53zrCH01vOWrcWTvx2c3N3 cfHj8fFX09xdXHy9upqRZnN7e3dx4e34//b93cXFl8vLmHS+XF560+FE3lFAvJms+e/6mmv64/HR2vXn+Vkuwterq7uLi1/WatbglLKGl3rXW6auQRrDUd7H2QReZJejFxWyZou7iJle43UvR XG+AY2rqoqXNUd/x6qqEm/fvYvghYvKzYF2KOaFj7VD8d7yuM2K0LbtmKxxvZizLBtmBLc8G VmWvZmscVcD+n5/zx0k95rfbm7mpfzj8THQGkbKGiJqbm/H0vk8dpGfT0+urPn38iKdB/cof56fD8lFWk5ZaN67COQpyPNtW10UO9mdbYNcFMVYjJp58Mqo VprHeh9nE36RNUcvKmTNDm27syB9WU6IPHW2bxG9t6yRMnA0hr AUiJE1RMQrIFt7syyLCfM0T9a4e8uyHAs49S68paxx127+8fh4 d3Hxt++513R700gga46IV9YQ0cN63dze0muPcnhGvMq8MdvwHW/QHmodU9dkzAeQNX3fG2OsNnAYhkNMrUVRuG3msd7H2cTLmqMXF bJmB0vW0G6ISr3kvI7Oo79O5E8eM16NnrsACXogPQIvn58k23X rJUAPr1svMbaSZIJRtK5rmXfNekKee+6beZcVeFKbVQR52QInx sCCxlUtgaK64RpEjkhUTi4zqxnRTDpEg1UMqYKgJQ7XUeJLWOv 4uaJHcuThM/7JWSRJIhpLV4RjVuhEqqoyxog1S2eq7whfAetEqUJd1yJrdMXF yCRnhYvKUbR0su6t9Eba+tU0D+s1//+wXutxjb99z0bpu4uLh/XaarZ+Pj3xmBG3aLo1/PfywuYEti78eX6eIWskce7IiYjN4w/rNY9q/d59r3R5/ru+/vt6L2QA6+fTk5zOaXK7LPXi0+WnnCh/OjsefhobGuOU9RWIrL7UxdtJfL264u0/Hh+PMjzBLafWGZaq0PHt83yjfiwzD6m2NKZ1seIHl+Um93CDLI 1wXW/EkBUDZCy0TrhB1oFH8nxTNfcTaSz4bp7n1VzTlg5XLIy9j/xw6veIxyv1Futt1bv0AykvFBN4kUmNirI95t/Ly96izgayZgcta4aB8nwbobNpdsakONax1tyBj4Oi2HkBrJ9EZ AwlyebV6rrt3iyjJNkkywF6YmiaRneNRVEYY7RWkD6MIz5aneW YtWbviQHatuWX2YpMGS5qILimrBSc57kc5va1XqtM2FrDAkLEi m6DXFljfXgZYyQ4aNd10tZYZiRtha6qSl+Buq4lsIN1ceq6tsK UStn4quqIEO7gvVVTb1GtWKccIMxtMQNx0ccQ6fDv5UX6VCL61 TRfr65EOjS3tw/rtbSG+sjfbfv16mqGrPnv+tpqf7kRZ4nAAkV2/WoaffCf5+evV1e6CWYd8PXqimskxbMExJieoHGDk7vdujg/n56swuwlUIzjwi0nKwYur24Py3InbnxVbZtZCVNfFJvPuXCQeU 1RhIKvha01HI1Y4qy5isJtpSnYIEuEWno1HXmHlbIs88qXGe+U KqpH1ozBLyAR/Xl+lkf9282NKOZvNzd6GOj7/b08md/v77VS+fn0JEeGX+Tv9/c6zR+Pj/9dX0+s5QQga3awZL5+/Kzo2UTUNLE2zxhZ41UIVlzoSFnjftbneT5mXHFfichBqEnvkj5 Y9/GBojZNY73n2lrDezm6E2sm7pKtfGfIGp2IdaQla9wRca/Ua5rGjdUgyboWacG9OE3TcJvIFbeOnypr3KKKDUxgi451WFEUh 7gC6L7WtUB8u7nh1vBX01ij7FOtNdwiu5bwu4sLLQ6+XF5Kc+z qBv7u1D8tkeRWyv2piZc17sX51TSTZMobyxpSQeClPRwGch5VK stNG9g0m9iuxhC/eVZM+zASXzZJ7LP2yprwIzwma7wNctPYUqws/emPWUDZaB0q0DhZlsU3xfT6kLPdhU0j8uyxjveeJXpII3oo8CL/e3nRXw7M9/v731PKPAnImh20taYsd+wx3lDbusE/RNaMPc/Wt0jkY++OvFiDUBKjmwcaImXN3hPH4D5Yj/tINx8oKg9IWXvlzWcRI9KHC+N+7syQNboXd2WNroXbtXuT9XoL yUUOtGXe5Zu5eF4fIO1bs1fWePPl8SkX97BJsuZv32sT9JfLS+ lr3ZEXsV1beoKZJGu+XF4+rNfuwI2VqZY1bvo/n560jhnzGDiFrBGTvv6b9Jn79rKGRUzbbttDGfTxhpQfhs0XY5 Js/slz/zdemK7bjIIJe2VNeJxrTNZ4G+S6tkVVXb+RrEmSZOqJ3+/v+ZuB//48P8v3w++29ar2sV1iEw28yO4g7NgcvWMBWbOD5VtTVVsNvvdl i5c1eX5aWRMwgXA/rd+rSGtNzIljuAJF3sPZ1hoiMsaUZckH53me53nAKOLWxVvUvb ImPP3bm+xea82YbSzP87FhvqnWmsjhOa+U9B42yWCudQy9obXm 59MTn2JlEZA1MdaaGFnj1WSSXeR2PTQwj3myhmfWBOyILrrlrO uNwpDWItxwsQmEPWOqKraVYx8XTd/HfmfSsWVNvLXmFINQU601bPN7WK//vbzwuykPSeAVm22toSlfI174qzi+jpA1O7guw2m6efq7bjsQyx TFzqNclttzq2pnXEkecX7xvM5oXubJmoDDCntLaP8MHsTZrXIq Ix18buSJ7OS/enXg1QlaPXdZljyPabZvDRElSSItLzvPBqw7Gp53wIXvui7LMm lQTiFryGl3dNPGvjVyYfmnvln6RO3rE/atkUTExhZ5ZfQ1p1dfH+swr8twAC0s2DflLX1ruKX+q57AgKz5 1TTaHMKZWr41XlnDFeEj2ePycFnDIwLaVt/c3k6a/jpP1rDL/CQPVqvlTBIyZqsb2JlG7gBbaCR5nnDaNNT3ZEysYw07DFguO7r IgQaZji1rSPUUFPSteTOX4QCsZlij8BunFcm3mxttlfl+f/+wXvML8v3+3tLukb417Ewjey0HuzBN06wmLicGWbNFr1sjD1jX bX+ysuEDjCHrC5zfVZknpR+zvt/s4imIPPuJ3wHXNisnyrAXb5EDYqYButOLZNBEpvnwlBx3BTw2i vAx7LPC2/ee6JU1kpQMW1iDOIGiujOh+H8uUpZl4gfDi/XJlG/v8I11fdwRMdnIXb41ncpat8ayJLvZ6YYmfiaUpWNY2ciJltXHn QklBZMJTZygXqwvvqh8I7zGpPghSHp1y5XZEzyoL02nO4FC9ro zofj/v/veAb0cn8zdYPkiNnBORH6KehibCaXngHjHg2SgjRWVO1VEyuYW dWyqFCsbmZby/f4+8oIfYvNP03SSqUa3nHrpGv2KsIOtNI/6DWiarfONtStA21Keb9pS7xo5Yw2yntDq9SUYa5PDDbKeCZVlo 4NQJ5rgPUnWkPpg0LOQBJkJxbOW9Os2aSbU2Gser2notd+ZVEH IGgDAZNzl+EAkBxrkTw13sbMtB4AZkzV0guX4vOvWLIY0Taeu/A5ZAwCYgzu2CPYyyT3oXWA731ktn/3hYEPRmNJw52weuAKqd5XhxTDVVEOQNQAAcFL0yNeMJfXAR0Ev ObhQjfExgKwBAHww9Ni/+7fX8+ajMzZj1uvxAMBnA7IGAAAAAAsBsgYAAAAACwGyBgAAAA ALAbIGfFKs8C4AAAAWwARZI2thERGvEKUDiMtSVN5ldngxrt9t +/3+/u7iInJRqTC82s9/19f/Xl44a29sW3avO3BSpbWykMvvtnWX0jqct7+qn4eTyhprxiavqn eqzE4Gr0B4yIoaMfAqgqebocpLNepVlWfnKHHjAQBnywRZw+qB V1zmpT/dmYpja3WzDJKooUeJcfWraaQvf1iv3aUSNYevFRGIAXbcjFzmX dWiKA5cDkHDK2xK16CnMp4UWRI0Sags7YXVkyRqzeU3xrtUXZZ ls5fMGoYhSZKpa1IdhbZtTy1rmLquT7rwhhssIpDj2NXmUFxYr QeAc2Zap/SwXnPXzuYB94CxDvjbzQ3396xFjhKRnK1HvD7616urcGDbRcqa vVc1MnJhJFm2Cf7A9H1sjKrZcMw8hiNXWH3Necoab2CBpmnmRe glorqu30ZbuHxOWUPj4QPLsnyvewEAiGGarJFQDhyvzj1grAP+ fn/PMbFYi3hHi6bC1iO2GH27udFDMG4oGa02dJgVHUmOB5JEHvHaG PKTZY1Et3lYr7019cqa320rMXG+XF56Q+UFmH1Vj9tVcKATY4g XILVkjY60kqbbqHISY0X0hxy5V5FYMXh1mFw3sItOkDNNkm2gl iTZFklMTda16fvNkW1LxmwqogvJ1Zdj2IJl9X2BMJDGmLGI3GH c+8gBuXQcGYkPxVs4+KXEmbI6YznYHWPSUajyPG+aRg7g1VHlx OOqkOM+q240samyZizOTtd1k8J8AgDemCMPIcwLGHt0AoF///a9DsnLoURlNO1v32urj/75u2056ikv9sW73Mq6soZzFPHkRuXdy+yrenRZ07ZUFNto5NJT NM2OAqhrSlOS5dfl/yzb/GPF2h0vvx001CJsrTGGkmRT2q6z06lrfxmM2coyqSzt1pEXRzf Gk/tYhF7aDdw9Ce99lLjfWZZJGHMJvZ4kiZwyDEOWZaJOyrLUw2F6 yIyFi3TnVVUlSSIn6uDerBuO+HQd91kNx36PyTEQPnDlxKgHAJ wPC5Q1v5pGoqUz2lrz/f5eezrzXjl+r6zRJ3J4dyt3d4sVzJ1PDA+ZWRwia45oMGdZMwy b7lzLGm2eYZpmKxrKkppmEwudHS7z3D5+jKrahuEtCrIi1eyVN YFcxmTNarU9q++3w15WHYfBb3AqimLsmgd2hfEOJpZl2TQNh4N hP9Y8z7m7DXi2DsPgOi/LiWVZjgXha5rG6zB0rOBBR5Q1blHnWWvGfKE4Xvrh5QQAnIIFy hoOiW5tFLXx3/W1tbb6377XtpyArHF9a75cXlqpubJmbKH3+BodclVXq9WxXE1Z 1hBRVVGW7cgaHo6x/iTbpqGypKqiPCe2389wMhkGKgr7xLCsCecyJmv0WVrWuKl5cz+ 6rOHxJtdNtWkaViF5nvOwiPTcVVWN9bteXxnpwl2HEjmeZ0W5T I1CN8YRZY1XBU6VNW3bjg20QdYAcM6chazhkf5j9b5HtNb8eX4 +3FrjlVmTOIW1xhgztU8SWUNESUJ1ve3pw9aXYaA8pzzfOMewv olhtfKYZ6yfbyZrIq01pxiE8vbTPAzE7i88HiT5ionFZba1puu 6sXrpg2e/yAGRMfVZPbW1BoNQAJwzZyFr2A/xWJ99FOFbIyYW/im+Nf9eXh7Wa/754/HxYb0e861hF5kY3xp239FHst9xfHWO7lvTNM2M7kfLGnaelZ6C pynpG1gUO9qFZ1ENw+bEyM7dctptW3smVJpukmJbjuXKeVxZw7 41LLMCvjVv4zLMZFlmjBmGoa5rY4x2fNEWhb7vebY//7S0i9ZDYd+aPM+1WmKtoGt0yIt83Gf1dL41cBkG4Mw5jqz5+fT kDrJE9sTDMBzRVMO4M6F0aN+xmVAMrwHDc6B4btSXy0tZjm9sJ tSXy8vAMJMuD6cTE2T4kKvKjDXcZVlO7X5kmEkvXaN7ClY2fIw xZLl2yJIzbOSI7NxZAPHko9WK8tw23nTdtmB5vhUZ7oiYFmTuX r5IPBNKFuNpW7vKMhPKmM1MKO9tPMUE77H7yIqEXyKtMPRMKHG +ESbNhNJr2ekTrRGreS+yd2xLV3bGs0q+mVAyTWxvjsyYrMEEb wDOnPcPnsDt5hFNNUBwxxSYNE3fZW23hTEma46+HN87rlsTz4l e5Pd6VrXVSsByfACcP+8va6qqQhd7CgKrDENHHo52LXJJ0/SIwRPecZXheE70Ir/Lszp2tRE8AYDz5/1lDQAfBRmWclfqAwAAcA5A1rwbXtcZ+Zu6EjEAAAAAIGsAAAAA sBAgawAAAACwECBrAAAAALAQIGsAAAAAsBAgaz4AWRa7LC8AAA DwmVm+rOGlY+eu73oWQNYAAAAAMZyvrCkKzyL3q7nljZQ1WebP 9KQrlBQFIR4wAAAAcDjnK2uIqKpsK8WpZQ35REY4TPThQNYAAA AAR+Gjyhq25dT11r6ijxwGyvPtarAcEDGSMVmjbUUSLlH/LAqqqm3YRTdZCQNZVZvy6FVr5U/n7q2dwOv38wFZttVevLFtN7Enk4QQKQEAAMBn4GPIGlff8MYkI Y4A2HVkzLZfT9Pt8dy7z5A1Xn0z9pPjOacpDQMNA6Xpzrl5viN 0ynLn3L3Wmrr2VL9pSEc/5ADaEuCaw2tzsuHoRQAAAMBiOHdZIzYMr6zRWqEoNjaJprGNJV OtNV7DCUXIGlEVWoiw4AjnOEPWaBHDaPFneRlD1gAAAPgMnLus CVtrtBoQWeM9+A2sNdp2ooWItSuQ4xheWePWqK63GekxKe/BAAAAwPL4GLJGbxETxZisOdxaMyYyrESM2f4fkDV7cz+RtQayB gAAwGfjg8karQDGZA0dybfGRTxmxBtXCMgaIsrznb1lueMJVJa UZdtKGUNdt5PvmG+NnCVF0r41kDUAAAA+G+cra8bWrZERIu1zI zOGeK87Eypy+Rlr3RqLtiVjNmmyMw2nKROjWGeIS5CWMro6eb5 TEnYxltKKOJNk9Z/WN+GZUDwZiuiNVt8BAAAA3p3zlTUAAAAAAJOArAEAAADAQoCsA QAAAMBCgKwBAAAAwEKArAEAAADAQoCsAQAAAMBCgKwBAAAAwEK ArAEAAADAQoCsAQAAAMBCgKwBAAAAwEKArAEAAADAQoCsAQAAA MBCgKwBAAAAwEKArAEAAADAQoCsAQAAAMBCgKwBAAAAwEKArAE AAADAQoCsAQAAAMBCgKwBAAAAwEKArAEAAADAQoCsAQAAAMBCg KwBAAAAwEKArAEAAADAQoCsAQAAAMBCgKzxs1pR2753IU5J29I KNx8AAMCyWGDPtlrRakV9P3pAlm2OqapQIpA1p6bv+9VqtXrbc tR1vVqtkiQZ25Vl2Yxk27ZdvRI+su97K/ckSfrA8woc+Gp7b6I+4O2fLgDAu3PW73ySbPQH/xlDdR11YpaFZA1T1yFZc0RYQLh/RXHCTPuextv88+LtOx5XWAht286TNUKgr2WKoqh2n7yqqorpT0 NVHf9ZYmGniS9Y4KoGyLJs5RCZTsxhM4oEAPjQnLWsIaIs21pN uo7SlLou6qzzkTXkExl1DVmz4VPJmr7vjTHDMOiNwzCsVqt5Bp uqoqqiJKHdJOfTtq2WMlVV5Xkec+JsWcMVr+ua1V58OpA1AACX jyRriKiuqSw322WcqO8336xyZJZR120Hm7wqZ0zWyBewOwjV99 s005TKMlaajMka/uCWYrB1yvrZtpSmtFpRkthFkl1cxzzfWLOkkPKnc9fWI5dhoDz fmsekMHW9sQqIkSCus5PT6yRJ+Fs8z3MtHVarVV3Xxhj+TG93K 1lVlWs5kNEr3QHHWxek49TGCe5cWdaUZckb0zSdqjbC/eiYSsjzvJqlslnQVJVtyORvAHk2jIlN0JI1RJRlGd8UvjhyZWq VpWt00deh7/uiKHi7MUbXNCxrAjkSUZIkXdelaRq49d7boR+qNE27mE8lAMAH 4YPJmqrayBoiKoqdXfpnllGSbLvkqqI0tT9nw9YaK3EiGoadNI eBsmyyrPHqG10M6ydXhBvzut45t+t2hA53Y9Lsx1hrvAewIhRY xzBtS0myuZLDsJNdmGEYjDGiV6qqsmQN909ExPpGdpVlqXuyuq 5FEzRNU5YlpybHRH6aS8fZtq3Vq7FPRpqmbFApiiLSViGEy5Bl mVe+xBtFNG27EZcsuDVpunPj4i1irqypqorLPAyDXKuu64wx+t KFrSxy94dhSNNULkJY1oRzNMakaSope2+WW6SmabRaretabjcA YAF8JFnDXbV8PIdljdXjsq1eM1XWaEU1FbEnWYYTtxiurNE/9bl5Tk0TynGGrGkaTx3lMJY10v7Hj+KxrBn7Jl6tVrpTEf9Z7v +sg/M853Rkb57nnELXdZOGS4qicPszFjrWkVGVVOUP7619YpCtWZMy IueZ1xc4XnRauLJGBIeTe6FNa/HXypvgWC6BHN2RuyzLrMfMLZJrnmmaZp6pDABwhnwAWSOCIE1H dQw5Tbw1dOD6ssyQNfP6CTrMWqMros8N+w/NkzXeOoqUbNudazjJOUmb/WVQg7F8a0TWuP0rERVFIbKARYkxhkdwxKiwFx7DStPUlUGWb80 5y5phIGN2hhq1JG3b7V5tudlLwFrDmk8PM0XKmr7v9ShVkiSRs iaco5udfjzGjpHBUM2BDlUAgPPhA8iasYnWlvLI85Nba2Y7+QZ EhlUMq5wBWSOeNFNz9KbG7LXWzJY1mrIskyQRM8mYrAlba+h1i Io/vrMs07vCSAdcFIXVhZ9a1hxxEMp9pMdy5kHYyAULXFmT53nbtn wptGiIt9ZYOibSWrM3x3nWmvjnBADwEfnAskY8dsWTN+Bb404V medbo51XiiJ2tlFAZDTN1u+nKOzVdAKyhn1rpH1u2x1fn2HYXh D2nnY7zTHfGl1xPQo2W9ZYzjRsmdgra4ioLEvd1Vl9f9M0SZKw h02SJPH6Q3fAlq/uqWXNEV2G09Q215XlZlySfcllL/tdzZM1UmB2zpW7VsF/LLYAAAx7SURBVJal9pei1/lcvEWEJu8S3ylOUPvWCK6s2Zuj9q0ZhiHP8xjfGk5WpzPDgwoA cLactazR69a4nUXfb+Z68IQd1gQ8YWe1Gp0JJQfoP2lOORHrTz v36EGxSFcba90at/OSNItiO+FIV58LIClIXfRMKC3j3JrqolqrAVlTosIzofhiklo0 JcaCxeuyyGiCdCoyoUk+u+Wn9i+WjZYVgftR7i/Lsozsmazl+CTxuq5lYpQ4FMvevcl6hzbcw441wVtuolwSvYYNa 1x5rvR9DBNet0YmiPFsJp7cZPl0y4mleuZkphsnyPdUUta3ODJ HWY5vbCZU+Hbos4wx5WynOQDA+XHWsgaA5XGs5fgAAAC4QNYA8 Kb0fW/5DCF4AgAAHAvIGgAAAAAsBMgasChc7xCNd3J1DF5fDQbL8wMAw PkAWQMAAACAhQBZAwAAAICFAFkDAAAAgIUAWQPAG2EtSwjAOfP l8vLn05O7/Xfb3l1cvH15AIgEsmb5uMumfVqsheC8iC9wG7ku75Tc42WNrFV 43DK8DW//yFnrQf95fr67uODe9+vV1d3Fxa9AYNhXfj493V1c/Hd9fcKCOny5vLy7uHAFxN++lyq8C28ma/67vuaa/nh8tHaF7yMvq3jEkoBl8CEbzRPhLkDsrk8fgNcIPk+qqorvY06 xjErbtjKZqKqq+NlDbvBCxlqaVthbcm8ETW++kbJGr5XMqkWHd YxJZKyO5ESWsM6y6n5Wq+VOeuQOx1rk8N/Ly93FxderKyL6dnNzd3Hx5/k5Jp3fbfvGsoaImttbr4Agos9jF/n59OTKmr33McsyfLABC8iaHXjVeaEsY6M+EWTNOPwlLQEsudeP PDcga3g7R4fmjTElP7qs4cK4kiI+ovg8WWNlwRd2amCp0/GWssYbkuJhvW5ub4no+/19vDiArHkvvLKG9t1HDgz3FuUDHwfImh0sWUNESbI12EggJDbk 6DCTbpQladJ1GM6+t+NMcRQqjsTJR0oAS477I4GfkiQ2WiG9hp MU64juYziaI+9K01T3PV4TiAiFwIl7C6OVxDAMxhhvphyOW7Jz CyOZhmVNoKgsayRKEQcbcsvslTVjRW2aRuJB8gXnFJpXg7mcaA 1ChetIRPyTi5okiVUkSznJ+sViQOJAV3y6FcBSsnNFntiB+OJI t8Hpy4nWdRt75LiOUnFOXH6GixrOUVfHjQj29eqKu8kfj4/8uS/8eX7mEQ0ecnpYr2UXyxruQdlO8FcJZX3i16ur36+3gweSvlxey pE8sKK3BBBZw+ncXVxwR05EPD71sF5zar93H4CfT09yyn/X11JUGcD6+fQkp3OaPx4f9XAPny4/5UT509nx8NPY0BinLBcn0jym6+KVNYH7yBhjEJIdaCBrdtCyho M+SmvJobZ1yEyJvM0ErDVWPHA3PLgxlCSbsIVdZ4ci52TrOtZ0 1DRNmqYiR4qiMMZIZzkMg7QCXde5jcKYzWPviWPwx7S3T7KKWt e1DtpMc601gaLycJhkyqe7ZXNlTaCoMsbP4am5i82yzLo+uqhW XgFrjYS/5l7fugi65JarARdGAovKkWVZWvEptSaw4mCXZSmyRkfe5ojZ8j P8yFkVd6/DWFEDOWqmmqmkpyTHU4R/fr26+vfyQkTN7e23mxve9bfvZTsR/Xt5kc6b/yeiP8/Poki+3dxEdu0ia/67vpbTGVYznA4LFNn1q2n0wSy5pHj0qgNEfkmVLQExpieIaEyW udt/NY2WgD+fnqzC7CVQjDBnZaQE5wBkzQ6BaNvaPMM0zc4BB8oar0 LIsp0sImWNNiQweZ6PdZxu/x05CDVpmEabT/I8l+K5RW2aRjdSgS6fGdMKY0VlWaP3DsPg2rHd2gWKKvYn7pg5 tSRJrGGRebJGJ2LdGkvWWH4G3giawzC4XpZyRwI+mGKR0mRZxs ULP3IxssYtajhHTZIkkwa8vl5djQ36/G5bbRL42/fShX+/v7f8jv88P4vo4V6cLRZ8WKSphoia29vv9/deF927iwstDr5cXop0cHXDj8dHrQx+PD5aIok5haxxzTO/mmaSTJkta4qiQKRYoIGs2UFba8pyxx7DQ0LWn26cD5E1Y3oly3 Z8liNlzcpxyLAGobRh3x3aGJM1e0+MpKoqYwxn4Q1KoPu8ebIm UFSvb41bZa/aCxSVU2BxwyrBsqyMFTVcR+tWurJGSuLaw7zeLd7qSwECjkdjU Sn4KoUfuRhZ4xY1nKN1WSbJmt9ty+MybJjRvanlW6NljR7lcfe y6Pl2c8N/WvHspbm9/XJ5+bBeu9Yda7hHyxpXW/x8etI65sfjo1e9nULWyFiY/pvkpQRZA44FZM0Olm9NVW0HofLcb1AR4mVNnp9W1gQ+ndl7V/cBkdaamBPHyLKs2f3MlXO15cbLDFkTLupsa024qGwJ5+aVXT1c s8cpZE3A/O7VCnutNWMOmF3XubYTYZK1puu6GFkTzlFzyDAEj9SIz0pA1oS tNWyceFiv/728fLm8tAwnYXgQ6s/zs4w3CQFZE2OtiZE1gaLGy5r4EbcxMAgFjgVkzQ6uy3CabsRK1 1Ga2kYX3eqW5fbcqtoZVyrLjd9M3+94EAvHlTUBRwceZRAzflm Wxhh3tEXGVvjcyBPZXLFaraweLssybS9hP1DtlaLTKYrC8u2QL pDNPHsdVsJFtXxr+OAY35pwUflCsXpjx2G3Sx6TNYE6Hl3WcHb 6LMvfNs9z/e3LV48ztXaxBuKi7nXnkkpxBWNkTThH6/RIAUSvw0wiDtglJUbWsG+NdsvVIy+sZngAq7m99ZpexhDfGlY2 2iYUkDW/mkYXletl+dZ4ZQ37wYjzkHfBGMkucrt1GWnXLSmG2bIGLsPAAr Jmi163Rpr9rtv+ZGXDBxhD1pTeYdjutQRQ3292GUNVtZn9xM24 O7AlJ8qwF2+RA2ImX7vTUmSCSVmWetjCXTmNOw/xg5G+au+JAVnDPqF8uvVlz3JBUrZmSrN1QU7UqsKaRqTNDGNFl eswNhPKXQxGj3oEisopi5ZKkkT26oVtBN2ve+uoz+JbYJXHKur Y4JSbnXVAYCaU9QBYJ2ZZpm9H4JHTJ/JZcr8mFdXKUfBO8B6DhYssAfewXmtfWt7I3bY78WdsJhQj41m/mkb79obRy/HJZCKWL5I7Sxn5KfmOzYTSk5K840FSfVZUeu6VVTa3qGNTpfTF eVivv9/fx1Rfrrn+m2DowgRv4ABZAwD48FjL8YGjEO/1/F5gOT7gAlkDAPjwyJo94FjwiNh7lyIEgicAL5A1AAAAiHaX45u xpB4A5wBkDQAAnAr2yR37+xvjKPeRcZct1n9ehx4ADgSyBgAAA AALAbIGAAAAAAsBsgYAAAAACwGy5gNgRYYCAAAAgJfly5q+p9U qdn3e8wSyBgAAAIjhfGUNL8Xr/s0jUtZwZAP376TzFQLBpAAAAAAQz/nKGiKqKttKcWpZQz6RkSSQNQAAAMAH4KPKGgmrJPYVfeQwUJ5v wzN13RFkjbYVSfQo/bMoqKo22924e2J84rBQXJ629ViGdO7e2gl1vY0bpYNi8sa23QS iShI7siYAAACwSD6GrHH1DW9Mkk1k7K4jY7b9eppuj+fefYas8 eqbsZ9tS0lCaUrDsIl5qc/NczvWtz53r7Wmrj3VbxrSMQo5DKcE+8sySpJNsqx+AAAAgMVz7 rLGDamt92qtUBQbm0TT2MaSqdYar+GEImSNqAotRFhwhHOcIWu 0iGG0+LO8jCFrAAAAfAbOXdaErTVaDYis8R78BtYabTvRQsTaF chxDK+scWtU19uM9JiU92AAAABgeXwMWaO3iIliTNYcbq0ZExl WIsZs/w/Imr25n8haA1kDAADgs/HBZI1WAGOyho7kW+MiHjPijSsEZA0R5fnO3rLc8QQqS8qybaWM oa7byXfMt0bOkiJp3xrIGgAAAJ+N85U1Y+vWyAiR9rmRGUO815 0JFbn8jLVujUXbkjGbNNmZhtOUiVGsM8QlSEsZXZ083ykJuxhL aUWcSbL6T+ub8EwongxF9Ear7wAAAADvzvnKGgAAAACASUDWAA AAAGAhQNYAAAAAYCFA1gAAAABgIUDWAAAAAGAhQNYAAAAAYCFA 1gAAAABgIUDWAAAAAGAhQNYAAAAAYCFA1gAAAABgIUDWAAAAAG AhQNYAAAAAYCFA1gAAAABgIUDWAAAAAGAhQNYAAAAAYCFA1gAA AABgIUDWAAAAAGAhQNYAAAAAYCFA1gAAAABgIfwPWUv+tK2zug kAAAAASUVORK5CYII= Public Function add_kh_l() As Boolean
Return data.AddWithProcedure("add_khorujie_l", New String() {"wcode", "l", "double_l"}, New String() {wcode, l, dl})
End Function

Public Function show_kh_l() As DataTable
Return data.SetTableWithProcedure("show_khorujie_l")
End Function

فقط باید برای هر جدل این مراحل و انجام بدم. که با توجه به حجم جداول و فیلدهایی که باید پر بشه به نظر خیلی طولانی می آید. ولی راه بهتری دیگه نمی دونم. بهرحای ممنون از وقتی که گذاشتید.