Struts2之自定义类型转换器

(1)局部类型转换器 
如果页面传来一个参数reg.action?birthday=2010-11-12到后台action,然后属性用date类型是可以接收到的,但是如果传的是20101112这样类型的字符串,用date类型是获取不到,并且会出现错误的,struts2提供了一种类型转换器供我们使用。

以下为局部类型转换器的开发步骤
a.首先要写一个类来继承DefaultTypeConverter
b.然后覆盖convertValue这个方法,在里面进行数据转型 
c.在action类所在的包下放置ActionClassName-conversion.properties文件,ActionClassName是类名,后面的-conversion.properties是固定的写法, 
如:HelloWorldAction-conversion.properties

d.Properties文件里面的内容为:属性名称=类型转换器的全类名(既包名.类名)

如:birthday=com.ljq.type.converter.DateTypeConverter
                       
(2)全局类型转换器 
如果业务需求所有的日期都要转换,则可以使用全局类型转换器,只要在src根目录下面放置xwork-conversion.properties文件,并且properties文件中的内容为: 
待转换的类型=类型转换器的全类名 
如:java.util.Date = com.type.Converter.DateTypeConverter 即可 

               

               

代码

Action类

复制代码
package  com.ljq.action;

import  java.util.Date;

public   class  HelloWorldAction {
//  日期
private  Date birthday;
//  枚举
private  Gender gender;

public  String execute() {
return   " success " ;
}

public  Date getBirthday() {
return  birthday;
}

public   void  setBirthday(Date birthday) {
System.out.println(
" birthday= " + birthday);
this .birthday  =  birthday;
}

//  自定义枚举
public   enum  Gender {
MAN,WOMEN
}

public  Gender getGender() {
return  gender;
}

public   void  setGender(Gender gender) {
System.out.println(
" gender= " + gender);
this .gender  =  gender;
}

}
复制代码

                

日期类型转换器

复制代码
package  com.ljq.type.converter;

import  java.text.SimpleDateFormat;
import  java.util.Date;
import  java.util.Map;

import  com.opensymphony.xwork2.conversion.impl.DefaultTypeConverter;

/**
* 日期自定义类型转换器

@author  jiqinlin
*
*/
public   class  DateTypeConverter  extends  DefaultTypeConverter {

@SuppressWarnings(
" unchecked " )
@Override
public  Object convertValue(Map < String, Object >  context, Object value,
Class toType) {
SimpleDateFormat sdf 
=   new  SimpleDateFormat( " yyyyMMdd HH:mm:ss " );
try  {
if  (toType  ==  Date. class ) {  //  当字符串向Date类型转换时
String[] params  =  (String[]) value;
return  sdf.parseObject(params[ 0 ]);
else   if  (toType  ==  String. class ) {  //  当Date转换成字符串时
Date date = (Date)value;
return  sdf.format(date);
}
catch  (java.text.ParseException e) {
e.printStackTrace();
}
return   null ;
}
}
复制代码

           

枚举类型转换器

复制代码
package  com.ljq.type.converter;

import  java.util.Map;

import  com.ljq.action.HelloWorldAction.Gender;
import  com.opensymphony.xwork2.conversion.impl.DefaultTypeConverter;

/**
* 枚举自定义类型转换器

@author  jiqinlin
*
*/
public   class  GenderTypeConverter  extends  DefaultTypeConverter{

@Override
public  Object convertValue(Map < String, Object >  context, Object value,
Class toType) {
if (toType == Gender. class ){  // 当字符串向Gender类型转换时
String[] params = (String[])value;
return  Gender.valueOf(params[ 0 ]);
}
else   if  (toType == String. class ) {  // 当Gender转换成字符串时
Gender gender = (Gender)value;
return  gender.toString();
}
return   null ;
}
}
复制代码

            

配置类型转换器

复制代码
测试路径
日期
http:
// localhost:8083/struts2/control/employee/list_execute.do?birthday=20110315 23:34:55
枚举
http:
// localhost:8083/struts2/control/employee/list_execute.do?gender=WOMEN


局部类型转换器: HelloWorldAction
- conversion.properties
birthday
= com.ljq.type.converter.DateTypeConverter
gender
= com.ljq.type.converter.GenderTypeConverter


全局类型转换器: xwork
- conversion.properties
java.util.Date
= com.ljq.type.converter.DateTypeConverter
复制代码

      

在页面打印日期和枚举的值

  birthday=${birthday }
  gender=${gender }

深度学习是机学习的一个子领域,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,一个生成和一个判别,它们相互竞争,生成生成数据,判别评估数据的真实性。 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