黑马程序员_I/O流(字符流)

---------- android培训java培训、java学习型技术博客,期待与您交流!----------

        字符流具有两个基类:Reader和Writer。字符流中拥有专门操作文件的子类对象:FileReader和FileWriter。在新建FileWriter对象时,如果要写入的File对象在文件夹下有同名对象存在,则需要给新建的FileWriter对象传递一个true参数实现在已有文件末尾处进行续写,否则已有文件将被新建的File对象覆盖,数据也从开始处重新写入。FileReader对象读取文件数据有两种方法,一种是调用读取流对象的read方法,另一种则是自定义一个字符数组通过字符数组来读取。两种方法都以返回值-1来表示已达读取流末尾。

        为了提高流的操作效率就出现了缓冲区,既然缓冲区用于提高流的操作效率则在创建缓冲区之前必须先有流对象的存在。字符流的两个缓冲区子类对象即BufferedReader和BufferedWriter。其中BufferedWriter提供了一个跨平台的换行符功能:newLine;BufferedReader提供了一个一次读取一行数据的方法:readLine,这一方法方便了对于文本数据的获取。在BufferedReader中,readLine方法返回时只返回回车符之前的数据内容,并不返回回车符,并且其以返回null来表示读取到文件末尾。需要注意的是,只要用到缓冲区,就要记得刷新,即flush。如果文件数据不多,也可以直接通过close默认的关闭流前先刷新的特性来省略单独的flush步骤。

        查看源代码,明白了BufferedReader类中特有方法readLine的原理后,显而易见,我们自己也可以定义一个类中包含功能和readLine一致的方法,来模拟BufferedReader。代码如下:

import java.io.*;
class MyBufferedReaderDemo{
	public static void main(String[] args) throws IOException {
		FileReader fr = new FileReader("buf.txt");
		MyBufferedReader myBuf = new MyBufferedReader(fr);
		Sting line = null;
		while((line=myBuf.myReadLine())!=null){
			System.out.println(line);
		}
		myBuf.myClose();
	}
}

class MyBufferedReader{
	private Reader r;
	MyBufferedReader(Reader r){
		this.r = r;
	}

	//可以一次读一行数据的方法。
	public String myReadLine() throws IOException {
		//定义一个临时容器,原BufferedReader封装的是字符数组。
		//为了演示方便就定义一个StringBuilder容器。因为最终还是要将数据变成字符串。
		StringBuilder sb = new StringBuilder();
		int ch = 0;
		while((ch=r.read())!=-1){
			if(ch=='\r')
				continue;
			if(ch=='\n')
				return sb.toString();
			else
				sb.append((char)ch);
		}
		if(sb.length()!=0)
			return sb.toString();
		return null;
	}
	/*
	覆盖Reader类中的抽象方法。
	*/
	public int read(char[] cbuf, int off, int len) throws IOException {
		return read(cbuf,off,len);
	}
	public void close() throws IOException {
		r.close();
	}

	public myClose() throws IOException {
		r.close();
	}
}
        这里就引出了java设计模式中的一种模式:装饰设计模式。装饰设计模式是指,当想要对已有对象进行功能增强时,可以定义类,将已有对象传入,基于已有对象的功能,并提供加强功能,自定义的该类称为装饰类。装饰类通常会通过构造方法接受被装饰的对象,并基于被装饰对象的功能提供更强的功能。

        不难发现,装饰设计模式和继承有相似之处,它所完成的功能继承也可以实现,那装饰设计模式有何存在的必要呢?假设以继承来实现功能的增强,可以模拟如下体系:

MyReader//专门用于读取数据的类。
	|--MyTextReader
		|--MyBufferTextReader
	|--MyMediaReader
		|--MyBufferMediaReader
	|--MyDataReader
		|--MyBufferDataReader

class MyBufferReader{
	MyBufferReader(MyTextReader text){}
	MyBufferReader(MyMediaReader media){}
	...
}
        明显的,在这样的体系下,类的扩展性极差。找到其参数的共同类型,通过多态的形式可以提高扩展性。改变后如下:

class MyBufferReader extends MyReader {
	private MyReader r;
	MyBufferReader(MyReader r){}
}
体系变成:
MyReader//专门用于读取数据的类。
	|--MyTextReader
	|--MyMediaReader
	|--MyDataReader
	|--MyBufferReader
        可以得出结论,装饰设计模式比继承灵活,避免了继承体系的臃肿,同时也降低了类与类之间的关联性。此外,装饰类因为增强已有对象,具备的功能和已有对象是相同的,只不过提供了更强的功能。所以装饰类和被装饰类通常都属于一个体系中。

        基于装饰设计模式的学习和理解,跟踪行号的缓冲字符输入流LineNumberReader也就不难理解和自定义增强了


---------- android培训java培训、java学习型技术博客,期待与您交流!----------

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值