java网络编程基础夯实08-基于HTTP编程(单线程)

一.基于HTTP协议网络图片下载

package com.markliu.download;

import java.io.ByteArrayOutputStream;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

/**
 * 从网络获取图片到本地
 * @author MarkLiu
 */
public class DownloadImage {

	public static void main(String[] args) {
		
		String path = "https://img-my.csdn.net/uploads/avatar/D/B/8/1_mark_lq.jpg";
		
		try {
			byte[] imgBytes = getNetImageBytes(path);
			String fileName = "E:\\mark.jpg";
			writeImageToDisk(imgBytes, fileName);
		} catch (Exception e) {
			e.printStackTrace();
		}

	}
	
	/**
	 * 将图片保存到指定路径
	 * @param imgBytes
	 * @param fileName
	 */
	public static void writeImageToDisk(byte[] imgBytes, String fileName){

		FileOutputStream outStream = null;
		try {
			File file = new File(fileName);
			outStream = new FileOutputStream(file);
			outStream.write(imgBytes);
			outStream.flush();
			System.out.println("图片已保存:" + fileName);
		} catch (Exception e) {
			e.printStackTrace();
		} finally {
			try {
				if (outStream != null) {
					outStream.close();
				}
			} catch (IOException e) {
				e.printStackTrace();
			}
		}
	}
	/**
	 * 根据地址获得数据的字节流
	 * @param strUrl 网络连接地址
	 * @return
	 * @throws Exception 
	 */
	public static byte[] getNetImageBytes(String path) throws Exception {
		
		URL url = new URL(path);  // 将字符串path封装成URL对象
		// 获取基于HTTP协议的链接对象
		HttpURLConnection httpConn = (HttpURLConnection)url.openConnection();
		httpConn.setRequestMethod("GET");	// 设置请求方式
		httpConn.setConnectTimeout(5 * 1000); // 设置请求超时时间5s
		
		if (httpConn.getResponseCode() == 200) { // 200-299 用于表示请求成功
			InputStream inStream = httpConn.getInputStream();//通过输入流获取图片数据
			byte[] imgBytes = readInputStreamBytes(inStream);	 //得到图片的二进制数据
			return imgBytes;
		}
		return null;
	}
	
	/**
	 * 读取输入流中的数据,可以抽象出一个Stream工具类
	 * @param inStream 输入流
	 * @return 字节数组
	 * @throws Exception
	 */
	public static byte[] readInputStreamBytes(InputStream inStream) throws Exception{
		/*
		 * ByteArrayOutputStream: 此类实现了一个输出流,其中的数据被写入一个 byte
		 * 数组。缓冲区会随着数据的不断写入而自动增长。 可使用 toByteArray()和 toString()获取数据。
		 * ByteArrayOutputStream 是用来缓存数据的,向它的内部缓冲区写入数据,缓冲区自动增长,
		 * 当写入完成时可以从中提取数据。由于这个原因,ByteArrayOutputStream常用于存储数据以用于一次写入。
		 */
		ByteArrayOutputStream outStream = new ByteArrayOutputStream();
		byte[] buffer = new byte[1024];
		int len = 0;
		while( (len=inStream.read(buffer)) != -1 ){
			outStream.write(buffer, 0, len);
		}
		inStream.close();
		return outStream.toByteArray();
	}
}

二. 测试发现的问题

测试发现有的图片路径可以下载(如: http://www.google.com.hk/images/srpr/logo3w.png),而有的不能下载!(如:https://img-my.csdn.net/uploads/avatar/D/B/8/1_mark_lq.jpg)求解答。。。

有人说是IIS服务器403问题

在使用IIS的时候,如果遇到403相关的错误,执行访问被禁止

下面是导致此错误信息的两个常见原因:
1、您没有足够的执行许可
  例如,如果试图访问的ASP页所在的目录权限设为“无”,或者,试图执行的CGI脚 本所在的目录权限为“只允许脚本”,将出现此错误信息。
  若要修改执行权限,请在Microsoft管理控制台(MMC)中右击目录,然后依次单击 属性和目录选项卡,确保为试图访问的内容设置适当的执行权限。
2、您没有将试图执行的文件类型的脚本映射设置为识别所使用的谓词(例如,GET或POST)
  若要验证这一点,请在MMC中右击目录,依次单击属性、目录选项卡和配置,然后验 证相应文件类型的脚本映射是否设置为允许所使用的谓词。



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,信息从输入层流向隐藏层,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。
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

打赏作者

Sunny Mornings

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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