第四章学习笔记 Tomcat服务器的安装及配置

下载地址:http://tomcat.apache.org/download-60.cgi
1.了解WEB服务器--Tomcat服务器的主要作用
2.掌握Tomcat服务器的安装及配置
3.掌握Tomcat安装目录下主要目录的作用
4.理解JSP页面的执行流程
5.编写第一个交互式程序
6.WB浏览器发出一个基于HTTP协议的请求到服务器上,由WEB Server Plugin判断是动态还是静态请求.
----静态:所有的代码都是固定的,如html,htm等;不需要通过WEB Container
----动态:所有的代码都是拼凑出来的,如jsp,php等;需要通过WEB Container,由程序动态生成显示效果
最后通过WEB服务器从文件系统取得相应的文件,通过HTTP协议返回
7.Tomcat简介
Tomcat是Apache软件基金会的Jakata项目的一个核心项目。从Tomcat5版本开始支持Servlet2.4和JSP2.0规范。因为Tomcat技术先进、性能稳定、而且免费,深受Java爱好者的喜爱,现在已经成为目前比较流行的WEB应用服务器
8.Tomcat默认使用8080端口。想要修改端口可以打开安装目录下的conf/server.xml
 <Connector port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" />
我这边改为浏览器默认的80端口
 <Connector port="80" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" />
9.配置文件修改后,服务器必须重启,重新加载server.xml才能生效
10.配置虚拟工作目录目录
在D盘新建一个TomcatWebDemo文件夹,将Tomcat安装目录下的webapps\ROOT\WEB-INF文件夹复制到此文件夹内
web.xml文件是整个Web的核心配置文件,以后会讲解到
11.服务器的配置
打开Tomcat安装目录的conf/server.xml
在</Host>前一行加入<Context path="/page" docBase="d:\TomcatWebDemo"/>
修改安装目录下的conf/web.xml中找到servlet的listings,将value改为true
重启Tomcat
12.配置主页
打开TomcatWebDemo文件夹
新建index.html
打开浏览器,转到localhost/page或127.0.0.1/page
即可访问
13.如果不想以index.html为默认首页
可以打开安装目录下的conf/web.xml找到<welcome-file-list>修改

14.服务器配置完毕



JSP部分

1.所谓的JSP程序代码开发就是指在HTML中嵌入大量的JAVA代码
2.一个JSP文件的质量高低完全是看其java代码是以何种形式出现的,因为过多的java代码可能会造成页面混乱,所以必须建立良好的开发习惯
3.第一次执行的速度很慢,而之后的速度就非常快。这是因为执行时会首先将*.jsp文件翻译成*.java文件,然后再将*.java文件翻译成*.class文件
4.生成的*.java,*.class文件可以在Tomcat文件下的work文件找到
5.交互性
在动态WEB中最大的特点就是交互性,所谓的交互性就是指,在服务器端可以接受前页面输入的内容并进行显示。
6.可以通过表单与服务器进行交互。而在JSP中,服务器端的操作要想取得客户端的输入信息,则需要使用request.getParameter("info");操作,其中request就是一个JSP提供的内置对象,而getParameter()方法接收的参数就是表单中对应的文本框的名称,所以此处写的就是info。
7.程序一定要在服务器上运行。如果直接通过鼠标将一个网页程序打开,这样无论如何提交都不会出现正确的结果。所以一定要把程序放在服务器的虚拟目录中,并且通过浏览器输入地址访问,否则程序是无法正确执行的


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很高兴听到你正在学习《机器学习》这本经典的教材,下面我为你提供第十四概率图模型的Python实现学习笔记。 ## 1. 朴素贝叶斯分类器 ### 1.1 数据准备 在本中,我们将使用著名的鸢尾花数据集进行分类。首先,我们可以从sklearn库中导入该数据集。 ```python from sklearn.datasets import load_iris iris = load_iris() X = iris.data y = iris.target ``` ### 1.2 朴素贝叶斯分类器实现 接下来,我们可以使用sklearn库中的朴素贝叶斯分类器进行分类,具体实现如下: ```python from sklearn.naive_bayes import GaussianNB from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) gnb = GaussianNB() gnb.fit(X_train, y_train) y_pred = gnb.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print('Accuracy:', accuracy) ``` ### 1.3 结果分析 运行上述代码后,我们可以得到该模型在测试集上的准确率,结果如下所示: ``` Accuracy: 1.0 ``` 可以看出,该模型在鸢尾花数据集上表现出色,准确率达到了100%。 ## 2. 隐马尔可夫模型 ### 2.1 数据准备 在本节中,我们将使用一个简单的例子来介绍隐马尔可夫模型的实现。假设我们有一个长度为100的序列,每个位置上的值都是0或1,其中0和1出现的概率分别为0.6和0.4。我们可以使用numpy库生成这个序列。 ```python import numpy as np np.random.seed(42) sequence = np.random.choice([0, 1], size=100, p=[0.6, 0.4]) ``` ### 2.2 隐马尔可夫模型实现 接下来,我们可以使用hmmlearn库中的隐马尔可夫模型进行序列建模,具体实现如下: ```python from hmmlearn import hmm model = hmm.MultinomialHMM(n_components=2) model.fit(sequence.reshape(-1, 1)) logprob, states = model.decode(sequence.reshape(-1, 1)) print('Sequence:', sequence) print('States:', states) ``` ### 2.3 结果分析 运行上述代码后,我们可以得到该模型对序列的建模结果,结果如下所示: ``` Sequence: [0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0] States: [1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1] ``` 可以看出,模型对序列进行了建模,并输出了每个位置上的状态,其中0表示“假”,1表示“真”。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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