02、http模块与url模块

创建一个简单的服务器

1、引入http模块

const http = require('http');

2、接下来我们使用 http.createServer() 方法创建服务器,并使用 listen 方法绑定 3000 端口。函数通过 request, response 参数来接收和响应数据。

const http = require('http');

http.createServer((req, res)=>{
    res.write('你好'); //给浏览器返回数据
    res.end(); //结束请求
}).listen(3000);

ps :req和res是 request, response的简写

3、运行node文件,然后在浏览器上输入http://localhost:3000/,运行后发现在浏览器上显示的中文是乱码的 :

在浏览器上打开network,如下图 :

发现页面没有头部,只要给页面写上头部就可以解决这个问题了,如下 :

const http = require('http');

http.createServer((req, res)=>{

    //设置 HTTP 头部,状态码是 200,文件类型是 html,字符集是 utf8
    res.writeHead(200,{"Content-Type":"text/html;charset=UTF-8"}); 

    res.write('你好');
    res.end();
}).listen(3000);

再次运行如下图 :

 

req、res简介

req是用来接收前端发送过来的数据,例如 :

const http = require('http');

http.createServer((req, res)=>{

    console.log(req.url); //这里!!!

    res.writeHead(200,{"Content-Type":"text/html;charset=UTF-8"});
    res.write('你好');
    res.end();
}).listen(3000);

然后在地址栏上,输入 :http://localhost:3000/?name=tom&age=18,req.url就是?name=tom&age=18

而res则是往浏览器上返回数据,比如上面的例子,我们给浏览器上返回“你好”

 

url模块

 若一个请求地址是这样的 :http://localhost:3000/?name=tom&age=18,我们想获取到name=tom&age=18并且把它们转换成json格式,则可以使用url模块。例子 :

const url = require('url');
var api = 'http://localhost:3000/?name=tom&age=18';
let data = url.parse(api, true);
console.log(data);

打印结果 :

url.parse的第二参数true的意思是,是否把query转换成json格式。如果此参数为false,则打印如下图 :

 

2次请求的问题

const http = require('http');

http.createServer((req, res )=>{
    console.log('有用户访问');
    res.end();
}).listen(3000);

运行服务器然后打开浏览器上访问,会发现node打印了两次 '有用户访问'

这是因为浏览器除了请求我们这个服务器外,还请求了favicon.ico

这里只要判断req.url是不是favicon.ico就可以解决这个问题,如下 :

const http = require('http');

http.createServer((req, res )=>{
   if (req.url == '/favicon.ico'){return;} //这里!!!
    console.log('有用户访问');
    res.end();
}).listen(3000);

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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