Struts1.X学习(2)----Logic 标签

结论

 

多级迭代和单层差不多,唯一注意的就是 id 和 <bean:write 中的 name 的对应,上级 logic 的 id 与下级 logic 的 name 对应,并且取出来的要是个 Collection,name 和 id 不一定实际需要这个 bean ,都是虚拟的。

 

Struts的logic标签

 

(1)empty标签

类名:org.apache.struts.taglib.logic.EmptyTag

标签体:bodycontent=JSP

引用logic:empty

属性 attribute:name,property,scope

功能:判断对象的值是否为空

(2)equal

类名:org.apache.struts.taglib.logic.EqualTag

标签体:bodycontent=JSP

引用logic:equal

属性 attribute:cookie,header,name,parameter,property,scope,value

功能:等于比较符

(3) forward

org.apache.struts.taglib.logic.ForwardTag

标签体:bodycontent=empty

引用logic:forward

属性 attribute:name

功能:页面导向,查找配置文件的全局forward

(4) greaterEqual

类名:org.apache.struts.taglib.logic.GreaterEqualTag

标签体:bodycontent=JSP

引用logic:greaterEqual

属性 attribute:cookie,header,name,parameter,property,scope,value

功能:大于等于比较符

(5)greaterThan

类名:org.apache.struts.taglib.logic.GreaterThanTag

标签体:bodycontent=JSP

引用logic:greaterThan

属性 attribute:cookie,header,name,parameter,property,scope,value

功能:大于比较符

(6) iterator

类名:org.apache.struts.taglib.logic.IterateTag

标签体:bodycontent=JSP

引用logic:iterator

属性 attribute:collection,id,indexId,length,name,offset,property,scope,type

功能:显示列表为collection的值(List ,ArrayList,HashMap等)

(7)lessEqual

类名org.apache.struts.taglib.logic.LessEqualTag

标签体:bodycontent=JSP

logic:lessEqual

属性 attribute:cookie,header,name,parameter,property,scope,value

功能:小于等于比较符

(8)lessThan

类名:org.apache.struts.taglib.logic.LessThanTag

标签体:bodycontent=JSP

logic:lessThan

属性 attribute:cookie,header,name,parameter,property,scope,value

功能:小于比较符

(9)match

类名:org.apache.struts.taglib.logic.MatchTag

标签体:bodycontent=JSP

引用logic:match

属性 attribute:cookie,header,location,name,parameter,property,scope,value

功能:比较对象

(10)messagesNotPresent

类名:org.apache.struts.taglib.logic.MessagesNotPresentTag

标签:bodycontent=JSP

引用logic:messagesNotPresent

属性 attribute:name,property,message

功能:ActionMessages/ActionErrors对象是否不存在

(11)messagePresent

类名:org.apache.struts.taglib.logic.MessagesPresentTag

标签:bodycontent=JSP

引用logic:messagePresent

属性 attribute:name,property,message

功能:ActionMessages/ActionErrors对象是否不存在

(12)notEmpty

类名:org.apache.struts.taglib.logic.NotEmptyTag

标签:bodycontent=JSP

引用logic:notEmpty

属性 attribute:name,property,scope

功能:比较对象是否不为空

(13)notEqual

类名:org.apache.struts.taglib.logic.NotEqualTag

标签:bodycontent=JSP

引用logic:notEqual

属性 attribute:cookie,header,name,parameter,property,scope,value

(14)notMatch

类名:org.apache.struts.taglib.logic.NotMatchTag

标签:bodycontent=JSP

引用logic:notMatch

属性 attribute:cookie,header,location,name,parameter,property,scope,value

功能:比较对象是否不相等

(15)notPresent

类名:org.apache.struts.taglib.logic.NotPresentTag

标签:bodycontent=JSP

引用logic:notPresent

属性 attribute:cookie,header,name,parameter,property,role,scope,user

功能:request对象传递参数是否不存在

(16)present

类名:org.apache.struts.taglib.logic.PresentTag

标签:bodycontent=JSP

引用logic:present

属性 attribute:cookie,header,name,parameter,property,role,scope,user

功能:request对象传递参数是否存在

(17)redirect

类名:org.apache.struts.taglib.logic.RedirectTag

标签:bodycontent=JSP

引用logic:redirect

属性 attribute:anchor,forward,href,name,page,paramId,paramName,paramProperty,paramScope,property,scope,transaction

功能;页面转向,可传递参数

 

 

parameter要进行比较的HTTP请求参数的名称

name如果要进行比较的是bean或bean的属性,则这个属性代表bean的名称

property要进行比较的bean属性的名称

 

logic使用


使用struts中的<logic:iterate>标记,可以完成一些复杂的循环。

下面用了一个小例子说明这一点:


如上所示,一个循环中不能直接将多个变量同时输出;但在循环中嵌套循环可以实现一种复杂效果。


要实现在一个循环中将多个变量同时输出,可以引用<bean:include>、<bean:write>标记。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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