android开发-----网络编程(使用httppost进行提交数据)

PS:由于某些原因开始进行android开发学习,对于javaee方便就接触比较少了,之前还有学过三大框架但是都还没记录,等什么时候闲点再记吧,顺便还能复习下。这篇文章主要是要记录怎么将数据通过post提交发送给服务端,以及接收服务端发送过来的数据。。。


需求:1.将手机的数据库文件发送到服务端,服务端保存  2.将服务端保存的数据发送回手机,手机将该文件覆盖已有的数据库文件

难点:如何将普通数据以及文件数据发送出去

解决办法:

1.使用HttpPost 封装数据内容

2.使用MultipartEntity封装数据,再放入post请求中

3.使用HttpClient将post发送出去


代码:(此处只是演示代码,需要添加一些健壮性的语句)

1.需要导入MultipartEntity相关的工具包

2.android客户端代码:

发送数据:(使用该方法同时可以实现传输图片或其他文件以及普通字符串数据)

		File dbFile = this.getDatabasePath("note.db");//1.获取数据库文件
		
		HttpPost post = new HttpPost(SERVER_UP_URL);//2.指定post连接的url
		HttpClient client = new DefaultHttpClient();//3.创建发送请求的client对象
		HttpResponse response;//4.用于获取响应对象
		
		MultipartEntity entity = new MultipartEntity();//5.创建一个封装数据的实体(该代码默认将请求的类型定义为multipart/form-data)
																					//该类型允许发送文件数据
		try {
			FileBody body = new FileBody(dbFile);//将一个文件封装,便于将数据存入实体
			entity.addPart("file", body);					//6.为数据实体填充数据,通过类似键值对的方式填充
			entity.addPart("name", new StringBody("halm"));		//第一个参数为键(服务器request获取的参数名),第二个参数为值内容
																//普通字符串,文件用不同的类进行封装
			post.setEntity(entity);//7.为post请求封装数据实体以及提交类型
			response = client.execute(post);//8.发送post请求
			int status = response.getStatusLine().getStatusCode();//9.获取服务端响应状态码来判断是否交互成功
			if(status != 200){
				Toast.makeText(ListViewActivity.this, "连接失败", Toast.LENGTH_SHORT).show();
				return;
			}
			Toast.makeText(ListViewActivity.this, "连接成功", Toast.LENGTH_SHORT).show();
			
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

接收数据:

		File dbFile = this.getDatabasePath("note.db");//1.先获取本地数据库文件
		if(dbFile.exists()){
			dbFile.delete();//2.判断是否存在,如果存在则删除(便于覆盖)
		}
		try {
			dbFile.createNewFile();//3.到此处都不存在该文件,所以就需要创建该数据库文件
			OutputStream out = new FileOutputStream(dbFile);//4.设置一个写的流,用于将数据写到文件内
			
			URL url = new URL(SERVER_DOWN_URL);//5.使用URL连接网站
			URLConnection conn = url.openConnection();//6.拿到该URL的连接
			InputStream in = conn.getInputStream();//7.通过连接获取读取流,用于获取接收到的数据
			byte buff[] = new byte[1024];
			int len;
			while((len=in.read(buff))>0){
				out.write(buff, 0, len);//8.将接收到的数据写到数据库文件中
			}
			in.close();
			out.close();
		} catch (IOException e) {
			e.printStackTrace();
		}


3.服务端代码

接收数据并保存

		try {
			//判断提交的方式
			if(!ServletFileUpload.isMultipartContent(request)){
				System.out.println("错误提交");
				return;
			}
			//以下是文件上传的代码
			DiskFileItemFactory factory = new DiskFileItemFactory();
			factory.setRepository(new File(request.getSession().getServletContext().getRealPath("/WEB-INF/temp")));
	
			ServletFileUpload upload = new ServletFileUpload(factory);
			upload.setHeaderEncoding("UTF-8");
			upload.setFileSizeMax(1024*1024*500);

			List<FileItem> files = upload.parseRequest(request);
			for (FileItem fileItem : files) {
				if(fileItem.isFormField()){
					String name = fileItem.getFieldName();
					String value = fileItem.getString("UTF-8");
					System.out.println(name + ":" + value);
					continue;
				}
				String filename = fileItem.getName();
				System.out.println("filename+"+ filename);
				InputStream in = fileItem.getInputStream();
				OutputStream out = new FileOutputStream(new File("c://"+filename));
				byte buff[] = new byte[1024];
				int len;
				while((len=in.read(buff)) > 0){
					out.write(buff, 0, len);
				}
				in.close();
				out.close();
			}
		} catch (FileUploadException e) {
			e.printStackTrace();
		}

发送数据

		//将数据写出
		File file = new File("c://note.db");
		if(file.exists()){
			return;
		}
		InputStream in = new FileInputStream(file);
		byte buff[] = new byte[1024];
		int len;
		
		while((len=in.read(buff))>0){
			response.getOutputStream().write(buff, 0, len);
		}
		
		in.close();
		System.out.println("发送了");






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