MyBatis的增删改查

MyBatis的新增

使用MyBatis进行数据库的添加

在Test的main函数里面先读取Mybatis.xml里的数据连接池 再创建SqlSessionFactory打开SqlSession紧接着再连接dao包的接口给实体类赋值

InputStream stream = Resources.getResourceAsStream("Myboatis.xml");
SqlSessionFactory factory = new SqlSessionFactoryBuilder().build(stream);
SqlSession session = factory.openSession();
Mapperdao mapperdao = session.getMapper(Mapperdao.class);
Emp emp = new Emp();
emp.setEname("好好");
mapperdao.add(emp);
session.commit();
session.close();

给实体类赋值完成后进入到dao包接口创建方法最后进行在xml文件所在的位置进行sql语句的运行

public interface Mapperdao {
    int add(Emp emp);
    
}

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper
        PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "https://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="org.example.dao.Mapperdao">

    <insert id="add">
        insert into emp(ename)
        values(#{ename})
    </insert>
</mapper>

MyBatis的修改

使用mybatis进行数据库的修改

在Test的main函数里面先读取Mybatis.xml里的数据连接池 再创建SqlSessionFactory打开SqlSession紧接着再连接dao包的接口给实体类赋值

InputStream stream = Resources.getResourceAsStream("Myboatis.xml");
        SqlSessionFactory factory = new SqlSessionFactoryBuilder().build(stream);
        SqlSession session = factory.openSession();
        Mapperdao mapperdao = session.getMapper(Mapperdao.class);
        Emp emp = new Emp();
        emp.setEname("好");
        emp.setEmpno("41");
        mapperdao.update(emp);
        session.commit();
        session.close();

给实体类赋值完成后进入到dao包接口创建方法最后进行在xml文件所在的位置进行sql语句的运行

public interface Mapperdao { int update(Emp emp); }

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper
        PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "https://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="org.example.dao.Mapperdao">
    <update id="update">
        update emp set ename=#{ename} where empno=#{empno}
    </update>
</mapper>

MyBatis的查询

使用mybatis进行数据库的查询

在Test的main函数里面先读取Mybatis.xml里的数据连接池 再创建SqlSessionFactory打开SqlSession紧接着再连接dao包的接口给实体类赋值

InputStream stream = Resources.getResourceAsStream("Myboatis.xml");
        SqlSessionFactory factory = new SqlSessionFactoryBuilder().build(stream);
        SqlSession session = factory.openSession();
        Mapperdao mapperdao = session.getMapper(Mapperdao.class);
        Emp emp = new Emp();
        List<Emp> list = mapperdao.select(emp);
        System.out.println(list);
        session.commit();
        session.close();

给实体类赋值完成后进入到dao包接口创建方法最后进行在xml文件所在的位置进行sql语句的运行

public interface Mapperdao { List<Emp> select(Emp emp); }

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper
        PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "https://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="org.example.dao.Mapperdao">
    <select id="select" resultType="org.example.entity.Emp">
        select * from emp where empno=#{empno}
    </select>
</mapper>

MyBatis的删除

使用mybatis进行数据库的删除

在Test的main函数里面先读取Mybatis.xml里的数据连接池 再创建SqlSessionFactory打开SqlSession紧接着再连接dao包的接口给实体类赋值

InputStream stream = Resources.getResourceAsStream("Myboatis.xml");
        SqlSessionFactory factory = new SqlSessionFactoryBuilder().build(stream);
        SqlSession session = factory.openSession();
        Mapperdao mapperdao = session.getMapper(Mapperdao.class);
        Emp emp = new Emp();
        emp.setEmpno("41");
        mapperdao.delete(emp);
        session.commit();
        session.close();

给实体类赋值完成后进入到dao包接口创建方法最后进行在xml文件所在的位置进行sql语句的运行

public interface Mapperdao { int delete(Emp emp); }

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE mapper
        PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN"
        "https://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="org.example.dao.Mapperdao">
    <delete id="delete">
        delete from emp where empno=#{empno}
    </delete>
</mapper>

  • 17
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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