FreeMarker网页静态化学习day01

FreeMarker网页静态化学习day01

1. 什么是FreeMarker?

FreeMarker 是一款 模板引擎: 即一种基于模板和要改变的数据,
并用来生成输出文本(HTML网页,电子邮件,配置文件,源代码等)的通用工具。
它不是面向最终用户的,而是一个Java类库,是一款程序员可以嵌入他们所开发产品的组件。

2. FreeMarker的模式?

这种方式通常被称为 MVC (模型 视图 控制器) 模式,对于动态网页来说,是一种特别流行的模式。 它帮助从开发人员(Java 程序员)中分离出网页设计师(HTML设计师)。设计师无需面对模板中的复杂逻辑, 在没有程序员来修改或重新编译代码时,也可以修改页面的样式。
在这里插入图片描述

3. FreeMarker的入门案例?

  • 1.建立一个Maven工程
  • 2.在pom文件中加入 FreeMarker 的 依赖(Maven厂库)
  • 3.在resource目录下编写 Template 模板文件
    创建名为FreeMarker.ftl的模板文件
<html>
    <head>
        <meta charset="UTF-8">
        <title>FreeMarkerDemo</title>
    </head>
    <body>
      <#-- 我是一个FreeMarker注释 不会显示在客户端上 -->
      <!-- 我是HTML注释 我会显示在客户端上 -->
      ${name} , 您好! 欢迎使用${productName}
    </body>
</html>
    • 4.在Java目录下编写 如下代码 :
  • `
    public static void main(String[] args) throws IOException, TemplateException {

      // 1. 创建一个配置对象 Configuration.getVersion(): 获取模板的版本
      Configuration configuration = new Configuration(Configuration.getVersion());
    
      // 2. 指定创建模板的目录
      configuration.setDirectoryForTemplateLoading(new File("E:\\Users\\Administrator\\IdeaProjects\\FreeMark_Demo\\src\\main\\resources"));
      // 3. 设置字符集
      configuration.setDefaultEncoding("UTF-8");
      // 4.获取模板对象
      Template template = configuration.getTemplate("FreeMarkerTest.ftl");
      // 5. 创建数据模型(可以是对象 也可以是Map 使用更加灵活 )
      Map map = new HashMap();
      map.put("name","张三");
      map.put("productName","FreeMarker网页静态化技术");
    
      // 6. 创建文件输出流对象
      Writer fileWriter = new FileWriter("D:\\FreeMarker\\page01.html");
      // 7. 输出
      template.process(map,fileWriter);
      // 8. 关闭
      fileWriter.close();
    

    }`

  • 5.点击运行main方法 生成静态html文件

  • 在这里插入图片描述

  • 在这里插入图片描述

4. FreeMarker的指令的使用?

  • 1.第一个指令 #assgin
   <#-- 第一个指令 assgin 定义简单类型 -->
    <#assign linkName = "王先生">
      <#-- 定义对象类型 -->
    <#assign info = {"mobile":"139-9999-9999","address":"湖北武汉"}>
    联系人:${linkName} <br>
    联系电话:${info.mobile}<br>
    家庭住址:${info.address}<br>

在这里插入图片描述

  • 2.第二个指令 #include
  • 在这里插入图片描述
  • 3.第三个指令 #if
  • 在这里插入图片描述
  • 4.第四个指令 #list 循环输出
    • 1.编写测试数据代码
    • List<Student> list = new ArrayList<Student>(); Student student0 = new Student("张三","男",24, "湖北武汉江夏区"); list.add(student0); Student student1 = new Student("李四","女",20, "湖北武汉洪山区"); list.add(student1); Student student2 = new Student("王五","男",18, "湖北武汉武昌区"); list.add(student2); Student student3 = new Student("赵六","女",36, "湖北武汉东西湖区"); list.add(student3); map.put("list",list);
      在这里插入图片描述
        • 2.在模板文件中使用 #list 输出
          在这里插入图片描述
        • 3.最后在页面的显示的效果
          在这里插入图片描述
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格的目标检测数据集,如果不清楚yolo数据集格,或者有其他数据训练需求,请看博主yolo格各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方二: 命令行方,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动、电子信息等)在校学生、专业老师或者企业员工下载使用。
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