javaweb_day10(servlet&request&response)之乱码解决遍

servlet出现乱码的可能

乱码有三种:
1.get请求乱码
2.post请求乱码
3.response相应乱码


分析乱码的原因和解决:
【get请求】

分析原因:
当我们提交表单到服务器的时候,页面会先把表单的内容以
UTF-8的形式进行编码。然后得到的内容是utf-8的内容在发送给服务器,
服务器得到表单的内容是utf-8编码的内容,然后tomcat服务器拿到
内容之后通过iso-8859-1进行解码,这是乱码的根本原因。

原因
这里写图片描述

解决:

服务器拿到内容之后,先用is0-8859-1进行解码,然后在通过utf-8进行编码就能还远之前的内容。




具体解决:

    方式一:先以iso-8895-1进行解码
    //获取客户端传递过来的用户名参数值
    String username = request.getParameter("username");
    System.out.println("用户名:" + username);

    // 先对用户名进行解码得到%E7%8E%8B%E6%8C%AF%E5%9B%BD 这样的形式
    username = URLEncoder.encode(username, "ISO-8859-1");

    // 再进行utf-8编码 一次得到页面上输入的文本内容
    username = URLDecoder.decode(username, "UTF-8");
    System.out.println("乱码解决后用户名:" + username);

 方式二:

      username = new String(username.getBytes("ISO-8859-1"), "UTF-8");
      System.out.println("乱码解决后用户名:" + username);

【post请求】

乱码原因:
因为post是以二进制流的形式发送到的服务器。服务器收到数据后。
默认以iso-8859-1进行编码。
POST请求乱码解决,只需要在获取请求参数之前调用
request.setCharacterEncoding(“UTF-8”); 方法设置字符集 即可。

解决方法:

      // 1.post请求方式的数据是以二进制流的形式发送到服务器。
      // 2.那么就说明它缺少一个字符集。所以我们要设置请求体的字符集即可。
      // setCharacterEncoding必须要获取请求参数之前调用才有效
        request.setCharacterEncoding("UTF-8");

      //获取客户端传递过来的用户名参数值
      String username = request.getParameter("username");
      System.out.println("用户名:" + username);

    }

【response相应】


     服务器发给浏览器的数据默认是按照ISO-8859-1编码,浏览器接收到数据后按照默认的字符集进行解码后显示,如果浏览器的默认解码字符集不是ISO-8859-1,就出现乱码。
            对于response乱码,只需要在服务器端指定一个编码字符集,然后通知浏览器按照这个字符集进行解码就可以了。有三种方式:
        1、A、设置服务器端的编码
    response.setCharacterEncoding("utf-8”);
    默认是ISO-8859-1;该方法必须在response.getWriter()之前进行设置
    B、通知浏览器服务器发送的数据格式
       response.setHeader("contentType", "text/html; charset=utf-8”);
        2、A、通知浏览器服务器发送的数据格式
    response.setContentType("text/html;charset=utf-8”);
    等同于response.setHeader("contentType", "text/html; charset=utf-8”);它其实会覆盖response.setCharacterEncoding("utf-8”) ,在开发中只需要设
    B、设置服务器端的编码
    response.setContentType("text/html;charset=utf-8”);
        3、A、设置服务器端的编码
    response.setCharacterEncoding("utf-8”);
    B、浏览器使用utf-8进行解码
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 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