重定向变量及通配符

重定向

 

 

 

重定向客户端请求是确保用户得到正确页面的一种方法,它适用于站点正在建设之中或已改变标识的情况。您可以将客户端请求重定向到同一 Web 服务器上的某个目录,或者重定向到另一个 URL。

 

 


重定向变量


可以使用重定向变量将初始 URL 中相关的部分传递给目标 URL。要使用这些变量,请在 IIS 管理器中打开某个目录的属性,然后选择“主目录”、“虚拟目录”或“目录”选项卡,单击“重定向到 URL”选项,然后在“重定向到”文本框中键入一个 URL,可使用下面的任意变量。

$S: 传送与所请求 URL 的相匹配的后缀。匹配后缀是用重定向的 URL 代替之后,初始 URL 中所保留的部分。

例如如果要将http://71host.com/about/about.htm重定向到http://www.71host.com/about/about.htm,则可以这样写重定向url:http://71host.com/$S


$P 传送初始 URL 中的参数。

例如如果要将http://71host.com/about/about.htm?id=7重定向到http://www.71host.com/about/about.asp?id=7,则可以这样写重定向url:http://www.71host.com/about/about.asp?$P


$Q 传递来自初始 URL 的问号 (?) 和参数。

例如如果要将http://71host.com/about/about.htm?id=7重定向到http://www.71host.com/about/about.asp?id=7,则可以这样写重定向url:http://www.71host.com/about/about.asp$P


$V 传送请求的 URL,不包括服务器名。

例如如果要将http://71host.com/about/about.htm?id=7重定向到http://www.71host.com/about/about.asp?id=7,则可以这样写重定向url:http://www.71host.com/$V


$0 - $9 传递被请求的 URL 中与指定的通配符相匹配的部分。

例如,如果在最低级别的目录名中使用了通配符,比如 */Default.htm,那么传递 URL 中命名包含“Default.htm”的目录的部分。


! 不重定向。 使用此变量可防止对已重定向的虚拟目录中的子目录或单个文件进行重定向。

 

重定向通配符


可以使用重定向通配符匹配原来 URL 中的任意数目的字符。在 IIS 管理器中打开目录的属性表单,选择“主目录”、“虚拟目录”或“目录”选项卡,单击“重定向到 URL”选项,然后在“重定向到”文本框中插入通配符 (*)。目标 URL 以星号 (*) 和分号 (;) 开头,成对的通配符和目标 URL 之间用分号分隔。

 

例如,要将所有对 /Scripts/Filename.stm 的请求重定向到名为 Default.stm 的文件,并将所有对 /Scripts/Filename.htm 的请求重定向到 Default.htm 文件,请在“重定向到”文本框中为 /scripts 虚拟目录键入:
*;Filename.stm;/Default.stm;Filename.htm;/Default.htm


当使用通配符时,确保选择了“上面输入的准确 URL”复选框。对于重定向路径,在 URL 中键入。
 

 


原文链接: http://blog.csdn.net/vince6799/article/details/5981738

转载于:https://my.oschina.net/chen106106/blog/45804

  • 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
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