创建struts action的三种方式

第一种:

创建一个普通的Java类,但是类中必须得有execute()方法,如下

public class FirstAction {
	public String execute() throws Exception{
		System.out.println("in FirstAction method execute()");
		return "success";
	}
}

当写好了java类之后,需要对struts.xml文件进行配置,配置的方法如下

<action name="first" class="com.st.web.action.FirstAction">
            <result name="success" >
            	/success.jsp
            </result>
</action>

这里面的class中com.st.web.action是报名,后面的FirstAction为类名,而result中的name则是FirstAction类中的返回值,结果集将调到success.jsp中,由于只是演示,所以jsp中只写了 成功两个字

在这里需要写一个提交的小按钮来测试一下,代码如下

  <body>
  	<form action="first" method="post" name="form1">
  		<input type="submit" value="提交">
  	</form>
  </body>
当点击提交按钮时,触发到first,action里就转到了类里面将输出语句输出来,然后又回到结果集里输出success.jsp里的东西,当然这些都是部署在tomcat上的。

第二种:

第二种就是比较简单了,就是实现com.opensymphony.xwork2.Action下的Action借口,在实现了接口后再实现接口的execute()方法。

第三种:

第三种一般用得最多,大多数人也推荐用第三种,就是继承com.opensymphony.xwork2.ActionSupport下的ActionSupport类,同样也需要execute()方法。

总结一下

由于这是自己第一次写博客,感觉到自己有很多东西不能叙述清楚,希望各位多多包含。

补充一下,自己差点忘了最重要的一点,需要配置web.xml,配置代码如下

    <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>

    <welcome-file-list>
        <welcome-file>index.jsp</welcome-file>
    </welcome-file-list>

谢谢大家




  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    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
评论 1
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