cubby对应多种编码的做法

如今的日本手机开发里,一般都是要对应Smart Phone和Feature Phone两种设备。

一般cubby framework的编码设置,是在web.xml里通过flter配置的。

如下:

<filter>
	<filter-name>encoding</filter-name>
	<filter-class>org.seasar.cubby.filter.EncodingFilter</filter-class>
	<init-param>
		<param-name>encoding</param-name>
		<param-value>UTF-8</param-value>
	</init-param>
</filter>
<filter-mapping>
	<filter-name>encoding</filter-name>
	<url-pattern>/*</url-pattern>
</filter-mapping>

也就是说,整个系统是统一配置,对应一种编码的。


如果Smart Phone和Feature Phone都使用Shift_JIS编,码倒是没有问题。

但是有时候,客户会要求Smart Phone使用UTF-8编码,而Feature Phone使用Shift_JIS编码。

这时候,就无法通过cubby的默认配置方式来解决了。


这里想到的解决方案是,继承cubby的EncodingFilter,实现自己的MyEncodingFilter,在里面实现自己的编码设置。


通过cubby的源码我们可以看到,web.xml里配置的filter参数"encoding",是赋给filter的类属性encoding的。


咋一看,似乎我们只需要在doFilter方法里,判断访问者的设备类型,然后给这个属性设置对应的编码就OK了。

然而,如果Smart Phone和Feature Phone两种设备同时测试的话,你会发现显示的编码并不正确。

原因就是:

web服务器对请求的处理是多线程的,但是filter对象却是单例的,被多个请求线程共用。

        这里就会涉及多线程的资源共享问题。使用类属性持有编码类型的话,会被别的线程给覆盖。

        因此这里就不能再使用配置里的参数"encoding"来持有编码了,而应该使用doFilter方法内变量。






  • 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