黑马程序员--Foundation框架-NSString基本用法

------- android培训java培训、期待与您交流! ----------

NSString基本方法

NSString *str = @”abc”;//str保存的是字符串常量,记得带*

NSString *str2 = [NSString new];

Str = @“abc”;//创建与赋值 

格式化字符串:

NSString * str1 = @”Hello World”;

NSString * strn = [NSString stringWithFormat:@”%@  Hello Program”,str1];

NSString * strm =[[NSString alloc] initWithFormat:@”welcom to %@”,str1];

isEqualToString

NSString * s1 = @”This is a String”;

NSString * s2 = @”This is a String”;

BOOL ret = [a1 isEqualToString :s2];

NSLog (@”ret:%d”,ret);//YES

isEqualToString ,isEqual, == 区别

1.很重要的一点,OC对象都是用指针表示的, == 比较的是指针指向的地址

2.isEqual NSObject的方法,其先判断指针是否相等,相等直接YES,然后判断是否 同类,或者是否为空,非同类或者为空直接返回NO,接着对比其里面的属性是否相 等,如果都相等,则返回YES

3.isEqualToString isEqual的衍生,判断字符串是否相等

compare方法

NSString * s1 = @”Hello World”;

NSString * s2 = @”Hello World”;

BOOL ret = [s1 compare:s2] == NSOrderedSame;// YES

NSString * s3 = @”ABC Hello”;

BOOL ret2 = [s1 compare :s3] == NSOrderedAscending;//NO

BOOL ret3 = [s1 compare :s3] == NSOrderedDescending;//YES

//比较

BOOL ret4 = [s1 compare: s3 options:NSCaseInsensitiveSearch | NSNumbericSearch] == NSOrderedSame;

//NSCaseInsensitiveSearch:不区分大小写比较 NSLiteralSearch:进行完全比较,区分大小写 NSNumericSearch:比较字符串的字符个数,而不是字符值。

大小写输出

NSString * s1 = @”string one”;

NSString * s2 = @”STRING TWO”;

NSString * s3 = @”hello ONE”;

NSLog(@”s1 的大写:%@”,[s1 uppercaseString]);

NSLog(@”s2 的小写:%@”,[se lowercaseString]);

NSLog(@”s3 的首字母:%@”,[s3 capitalizedString]);

rangeOfString

NSString *s1 = @"This is a string"; 

NSString *s2 = @"string"; 

NSRange range = [string1 rangeOfString:string2]; 

int location = range.location; 

int len = range.length;

NSString*astring=[[NSString alloc]initWithString:[NSString stringWithFormat:@"location:%i,len:%i",location,len]; 

NSLog(@"astring:%@",astring); 

[astring release];

substringToIndex

NSString *s1 = @"This is a string"; 
NSString *s2 = [s1 substringToIndex:3];//s2:Thi

 

substringFromIndex

NSString *s1 = @”ABCDEFGHIGK”;

NSString *s2 = [s1 substringFromIndex:3];//DEFGHIGK

substringWithRange

NSString * s3 = [s1 substringWithRange:NSMakeRange(0,4)];//ABCD

stringWithCapacity://按照固定长度生成空字符串

NSMutableString * s;

s = [NSMutableString stringWithCapacity:40];

appendStringappendFormat

NSMutableString * s1 = [[NSMutableString alloc] initWithString:@”ABCDEFG”];

[s1 appendString:@”,HIJKLMN”];

[s1 appendFormat:[NSString stringWithFormat:@,OPQRST]];

------- android培训java培训、期待与您交流! ----------

  • 0
    点赞
  • 0
    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