【转】VBScript学习手册网址 与 文件操作(FSO)的部分实例

VBScript学习手册网址:

http://www.jb51.net/shouce/vbs/vsmthDeleteFile.htm

非常实用。

 

文件操作(FSO)13个实例

如有不清楚,如参数的含义;或需要其他操作,如复制文件夹、使用通配符等,可以查询上述手册网址。

 

实例一:写入文件
语法

object.CreateTextFile([要建立的文件],[如存在,是否替代])
<%
Set fs = Server.CreateObject("Scripting.FileSystemObject")  
Set a = fs.CreateTextFile(server.MapPath("ss.txt"), True)  
’a = fs.CreateTextFile("e:\web\testfile.txt", True)
a.WriteLine("我的文件写入")

a.Close                              ’关掉a文件
%>


实例二:复制文件
语法
object.CopyFile [复制路经], [粘贴路经][,
如存在,是否替代]
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.CopyFile "d:\ss.txt","e:\bb.txt",True    ’用fs的CopyFile方法复制文件
%>


实例三:复制文件夹
语法
object.CopyFolder [复制路经], [粘贴路经][,
如存在,是否替代]
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.CopyFolder "d:\哈哈","e:\呵呵",True    ’用fs的CopyFolder方法复制文件夹
%>


实例四:创建文件夹
语法
object.CreateFolder([文件])
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.CreateFolder ("e:\呵呵",true)    ’用fs的GreateFolder方法创建文件夹
%>


实例五:删除文件
语法
object.DeleteFile [路经][, force]  
如果要删除只读文件,则force值为 True;否则为 False(默认)。
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.DeleteFile "e:\ss.txt",true    ’用fs的DeleteFile方法删除文件
%>


实例六:删除文件夹
语法
object.DeleteFile [路经][, force] 如果要删除只读文件夹,则force值为 True;否则为 False(默认)。
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.DeleteFolder "e:\呵呵",true    ’用fs的DeleteFolder方法删除文件夹
%>


实例七:移动文件
语法
object.MoveFile [路经],[移到路经]
<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.MoveFile "D:\ss.txt","E:\bb.txt"    ’用fs的MoveFile方法移动文件
%>


实例七:移动文件夹
语法
object.MoveFolder [路经],[移到路经]

<%
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
fs.MoveFolder "D:\哈哈","E:\呵呵"    ’用fs的MoveFolder方法移动文件夹
%>


实例八:查看驱动器是否存在
语法
object.DriveExists([驱动器路径])  
如果指定的驱动器存在,则返回 True;否则返回 False。
<%
dim a
Set fs =Server.CreateObject("Scripting.FileSystemObject")  
a=fs.DriveExists("D:")   ’用fs的DriveExists查找驱动器
response.write a

%>

实例九:查看文件是否存在
语法

object.FileExists([文件路经])   如果指定的文件存在,则返回 True;否则返回 False。
<%
dim a
Set fs =Server.CreateObject("Scripting.FileSystemObject")
a=fs.FileExists("D:\哈哈\ss.txt")   ’用fs的FileExists查找文件
response.write a

%>


实例十:查看文件夹是否存在
语法
object.FolderExists([文件夹路经])  
如果指定的文件夹存在,则返回 True;否则返回 False。
<%
dim a
Set fs =Server.CreateObject("Scripting.FileSystemObject")
a=fs.FolderExists("D:\哈哈")   ’用fs的FolderExists查找文件夹
response.write a

%>

实例十一:读取文件
语法

object.OpenTextFile([文件路经],[打开类型]) //默认是只读打开
<%
dim a
Set fs =Server.CreateObject("Scripting.FileSystemObject")
Set a=fs.OpenTextFile("D:\哈哈\ss.txt")
do while not a.AtEndOfStream    
’判断是否读到文件最后一行
response.write a.readLine & "<br>"    ’读取文件逐行输出

loop
a.close
set fs=nothing
%>


实例十二:追加记录
语法

object.OpenTextFile([文件路经],[打开类型][,如果文件不存在,是否自动建立])
<%
dim a

Set fs =Server.CreateObject("Scripting.FileSystemObject")
Set a=fs.OpenTextFile("D:\哈哈\ss.txt",8,true)   ’true 带表如果文件不存在就自动建立
a.WriteLine("我的文件写入")
a.close
set fs=nothing
%>


实例十三:修改
语法

object.OpenTextFile([文件路经],[打开类型][,如果文件不存在,是否自动建立])
<%
dim a
Set fs =Server.CreateObject("Scripting.FileSystemObject")    ’用Server创建一个
FSO Set a=fs.OpenTextFile("D:\哈哈\ss.txt",2,true)   ’true 如果文件不存在就自动建立

a.WriteLine("我的文件写入")
a.close
set fs=nothing

%>
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