Struts2,继续java之旅

6 篇文章 0 订阅
    在上篇博客中,用Struts1实现了一个登录实例,本篇博客,继续java之旅,用Struts2继续实现简单的登录实例,即:登录成功,跳转至成功页面;登录失败,跳转至失败页面。
    【实现步骤】
        1.创建web项目
        2.引入Struts2的依赖包,将依赖包拷贝到WEB-INF/lib下
              * commons-fileupload-1.2.1.jar
              * commons-logging-1.0.4.jar
              * freemarker-2.3.15.jar
              * ognl-2.7.3.jar
              * struts2-core-2.1.8.1.jar
              * xwork-core-2.1.6.jar
        3.在web.xml配置文件中,配置StrutsPrepareAndExecuteFilter	
<filter>
     <filter-name>struts2</filter-name>
     <filter-class>org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter</filter-class>
 </filter>
 
 <filter-mapping>
     <filter-name>struts2</filter-name>
     <url-pattern>/*</url-pattern>
 </filter-mapping>
	4.提供struts2配置文件struts2.xml,放到src下
        5.建立jsp(login.jsp、success.jsp、error.jsp)
        6.创建struts2的action,action可以不用继承struts2中的任何类,也不用实现任何接口,所以struts2中的action可以是一个POJO(纯粹的java对象),所以,测试更容易。
    struts2缺省方法名称 public String execute() throws Execption;
        7.在Action中提供getter和setter方法,便于收集数据(一般可称为属性模式)
        8.将jsp、action配置到struts.xml配置文件中
        9.struts2的默认后缀为.action.
    【部分代码】
	loginAction:
package com.struts2;

public class loginAction {	
	private String username;	
	private String password;	
	public String getUsername() {
		return username;
	}
	public void setUsername(String username) {
		this.username = username;
	}
	public String getPassword() {
		return password;
	}
	public void setPassword(String password) {
		this.password = password;
	}
	public String execute() throws Exception {
		if("admin".equals(username) && "admin".equals(password)){
			return "success";
		}else{
			return "error";
		}
	}	
}
	Struts:
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE struts PUBLIC
	"-//Apache Software Foundation//DTD Struts Configuration 2.3//EN"
	"http://struts.apache.org/dtds/struts-2.0.dtd">
<struts>
<!-- 需要继承struts-default包,这样就拥有最基本的功能  -->
	<package name="struts2" extends="struts-default">
		<action name="login" class="com.struts2.loginAction">
			<result name="success">/success.jsp</result>
			<result name="error">/error.jsp</result>
		</action>
	</package>
</struts>
	这样就能实现登录跳转了。下面将总结一下Struts1和Struts2两者的区别。
	【学习比较】
	首先明确,struts2不是struts1的升级,而是继承的webwork的血统,它吸收了struts1和webwork的优势。
    具体区别如下:
Action类:
    Struts1的Action必须继承;Struts2的Action可以继承也可以不继承。
Action的线程安全:
    Struts1是单例的,存在线程安全问题;Struts2是多例的,没有线程安全问题。
Servlet API 依赖:
    Struts1是需要依赖的;Struts2可以不用依赖。
可测试性:
    Struts1可测试性不好,因为需要容器,因为其实需要依赖Servlet API;Struts2测试性好,可以直接写一个单元测试,因为其Action是一个POJO对象。
ActionForm:
    Struts1收集数据使用ActionForm,而ActionForm还需要继承,复用率低,使得项目中会建立大量的ActionForm,增加了维护的工作量。
    Struts2可以直接使用Action收集数据,也可以使用ActionForm。Struts2采用ModelDriven方式,更加灵活。
表达式言语方面:
    Struts1通常使用JSTL;Struts2可以使用功能更强大的OGNL。
类型转换:
    Struts1中对ActionForm类型转换采用common-beanutils,并且对所有的ActionForm起作用,不能针对某一个进行配置。
    Struts2使用OGNL进行类型转换,功能更加强大,转换过程可以针对某一个类型进行配置。
校验:
    Struts1采用覆盖ActionForm中的validate方法或采用验证框架common validator来验证。
    Struts2支持覆盖validate方法验证,也支持使用XWork验证。
Action执行控制:
    Struts1是固定不变的;Struts2通过拦截器,可以改变执行流程,灵活配置的。
    资源分享:Struts2的简单登录实例
	【学习心得】
	以最简单的登录实例为基础,马马虎虎学习了一下Struts1和Struts2,从上述文字看两者的区别,是很难理解的,但对着自己项目中已有的代码,那就是不一样的体会了。但实现了例子也不是真正弄明白了,总感觉还差很多东西没有认识到,工作了,系统学习的时间也是很少的,不管怎样,积累一点是一点吧。

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 12
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