用ASP.NET写一个发送ICQ信息的程序

这里我给大家提供一个很实用的例子,就是在线发送ICQ信息。想一想我们在网页上直接给朋友发送ICQ信息,那是多么美妙的事情啊。呵呵,在吹牛啊,其实ICQ本来就有在线发送的代码,不过,这些都是AOL给你写好的代码,多没有意思啊。还是自已写的比较好,呵呵,废话少说,大家来看代码吧。
<% @ Page Language="C#" %>
<% @ Assembly Name="System.Net" %>
<% @ Import Namespace="System.Net" %>
<% @ Import Namespace="System.Net.Sockets" %>
<% @ Import Namespace="System.IO" %>
<% @ Import Namespace="System.Text" %>

<Script Language="C#" Runat="Server">
public void Page_Load(Object src,EventArgs e)
{
 ICQ_Show.Text="如果提交后,在这里显示信息";
}

public void Send_Click(Object sender,EventArgs e)
{
 string sendmsg;
 string commandmsg;
 //首先取得要发送的信息
 commandmsg = "from="+ICQ_Name.Text+"&fromemail="+ICQ_Email.Text+"&subject=";
 commandmsg += ICQ_Subject.Text+"&body="+ICQ_Message.Text+"&to="+ICQ_Number.Text
 commandmsg += "&Send=Send+Message";
 //然后就是组装全部的信息
 sendmsg="POST /scripts/WWPMsg.dll HTTP/1.1/r/n";
 sendmsg += "Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg,";
 sendmsg += " application/vnd.ms-office/9.shtml' target='_blank' class='article'>excel,";
 sendmsg += " application/msword, application/vnd.ms-powerpoint, */*/r/n";
 sendmsg += "Accept-Language: zh-cn/r/n";
 sendmsg += "Content-Type: application/x-www-form-urlencoded/r/n";
 sendmsg += "Accept-Encoding: gzip, deflate/r/n";
 sendmsg += "User-Agent: Mozilla/4.0 (compatible; MSIE 5.01; Windows 95)/r/n";
 sendmsg += "Host: wwp.icq.com/r/n";
 sendmsg += "Content-Length: " + commandmsg.Length + "/r/n";
 sendmsg += "Connection: Keep-Alive/r/n/r/n";
 sendmsg += commandmsg + "/r/n/r/n";

 Byte[] arrMsg=Encoding.Default.GetBytes(sendmsg.ToCharArray());
 //需要发送的信息处理完毕

 //======下面就是发送这些信息=====
 //首先是建立一个TCPClient 对象
 TCPClient tcpc=new TCPClient();
 if(0==tcpc.Connect("wwp.icq.com",80))
 {
  Stream sm = tcpc.GetStream();
  sm.Write(arrMsg,0,sendmsg.Length);
  StreamReader sr=new StreamReader(tcpc.GetStream(),Encoding.Default);
  string strRev=sr.ReadLine();
  if(strRev.IndexOf("OK")!=-1)
  {
   ICQ_Show.Text="ICQ消息发送成功";
  }
  else
  {
   ICQ_Show.Text="ICQ消息发送不成功";
  }
 }
 else
 {
  ICQ_Show.Text="ICQ消息发送不成功,无法联结ICQ服务器";
 }
 //关闭TCP联结
 tcpc.Close();
}

</script>
<html>
<meta http-equiv="Content-Language" content="zh-cn">
<head>
<title></title>
</head>
<body>
<form runat="server" >
 <table>
  <tr><td align=center colspan=2>
   <asp:Label id="ICQ_Show" runat="server" ForeColor="red" /></td></tr>
  <tr><td>
  </tr>
  <tr><td align=center colspan=2>发送ICQ信息</td></tr>
  <tr><td>您的ICQ号:</td><td><asp:TextBox id="ICQ_Number" runat="server" /></td></tr>
  <tr><td>您的网名:</td><td><asp:TextBox id="ICQ_Name" runat="server" /></td></tr>
  <tr><td>您的Email:</td><td><asp:TextBox id="ICQ_Email" runat="server" /></td></tr>
  <tr><td>发送主题:</td><td><asp:TextBox id="ICQ_Subject" runat="server" /></td></tr>
  <tr><td>发送内容:</td><td><asp:TextBox id="ICQ_Message" runat="server" /></td></tr>
  <tr><td><asp:Button OnClick="Send_Click" Text="发送ICQ信息" RunAt="server" /></td></tr>
 </table>
</form>

</body>
</html>
 
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
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