自定义标签

 

自定义标签

移除jsp页面中的java代码

创建步骤:

(1)       标签处理器-----java类,直接或间接的实现专门的tag接口

(2)       编写一个名字为  .tld  标签库描述符文件

(3)       在jsp页面中使用自定义标签

<dhw:viewIP>等价于<%String ip=request.getRemoteAddr out.println(ip); %>

 

Tag接口的执行流程

Jsp引擎将遇到自定义标签时,首先创建标签的实例对象,然后按照jsp规范定义的通信规则一次调用他的方法

1、  public void setPageContext(PageContext pc),jsp引擎实例化标签处理器后,将调用setPageContext方法将jsp页面的pageContext对象与jsp页面进行通信

2、  public void detParent(Tag t),setPageContext方法执行完后,web容器接着调用的setParent()方法将当前父标签传递给当前标签处理器,如果当前没有父标签,则传递给setParent方法的参数值为null

3、  public int doStartTag(),调用了setPageContext方法和setParent方法之后,web容器执行到自定义标签的开始标记时,就会调用标签处理器的doStartTag方法

4、  pubic int doEndTag(),web容器执行玩自定义标签体后,就会接着去执行自定义

标签的结束标记,此时,web容器回去调用标签处理器的doEndTag()方法

5、public void release(),通常web容器执行完自定义标签后,标签处理器灰主流在内存中,为其他请求服务器,直至停止web应用时,web容器才会调用release方法

自定义标签功能扩展

    控制jsp页面中的某一段部分是否执行

       通过doStartTag()的返回值决定是否处理处理标签体的内容

    控制标签后的jsp页面是否执行

       通过doEndTag()的返回值决定是否继续处理jsp页面中自定义的标签

    控制jsp页面中的某一部分是否重复执行

通过Interation接口中的doAfterBody()的返回值可以决定jsp页面中的某一部分是否要重复执行标签体的内容

    修改jsp页面内容输出

       BodyTagSupport类中的方法getContext()方法可以存储标签体内容进行修改

使用到的接口、类的层次

JspTag接口《------Tag接口《------interationTag接口《--------BodyTag接口

           |                   |《---TagSupport类     |《----BodyTagSupport

                                          |--------------------》|

|

|《---SimpleTag接口《-----SimpleTagSupport

 

SimpleTag方法

setJspContext方法:用于把jsp页面的pageContext对象传递给标签处理器对象

setParent方法:用于把父标签处理器对象传递给当前的标签处理器对象

getParent方法:用于获得当前标签的父标签处理器对象

setJspBody方法:用于把代表标签体的jspFragment对象关于传递给标签处理器对象

dotage方法:用于完成所有的标签逻辑,包括输出、迭代、修改标签体内容等。在doTag方法中可以跑出javax.servlet.jsp.SkipPageException异常,用于通知web容器不再执行jsp页面中位于结束标记后面的内容,这等效于传统标签的doEndTag方法返回Tag.SKIP_PAGE常量的情况

SimpleTag接口方法的执行顺序

·当web容器开始执行标签时,会调用如下的方法完成标签的初始化

Web容器调用标签处理器对象的setJspContext方法,将代表jsp页面的pageContext对传递给标签处理器对象

Web容器调用标签处理器对象的setParent方法,将父标签处理器对象传递给这个标签处理器对象,注意,只有在标签存在的父标签的情况下,web容器才会调用这个方法

如果调用标签时设置了属性,容器将调用每个属性对应的setter方法把属性值传给标签处理器对象。如果标签的属性值是el表达式或者脚本表达式,则web容器首先计算表达式的值,然后把值传递给标签处理器对象

如果简单标签有标签体,容器将调用setJspBody方法把标签体的JsoFragment对象传递过来

·执行标签时:

容器调用标签处理器的doTag()方法,开发人员在方法内通过操作JspFrament对象,就可以直线是否执行、迭代、修改标签体的目的

JspFramgment类

·Javax.servlet.tagext.JspFragment类是在jsp2.0中定义的,他在实例对象代表jsp页面中的一段符合jsp语法规范的jsp片段,这段jsp片段中不能包含jsp脚本元素

·web容器在处理简单标签体时,会把表前提的内容用以JspFragment对象表示,并在调用标签处理器对象的setJspBody方法把JspFragment对象表示,并调用标签处理器对象的setJspBody方法把JspFragment对象传递给标签处理器对象。JspFragment类中只定义了两个方法,如下所示:

       getJspContext方法:用于返回代表页面的JspContext对象

       public abstract void invoke(java.weiter out)

用于执行JspFragment对象的执行结果写入到哪个输出流对象中,如果传递给参数out的值为null,则将执行结果写入到JspContext.getOut()方法返回的输出流对象中

Invoke方法详解

·JspFragment.invoke方法可以说是JspFragment最重要的方法,利用这个方法可以控制是否执行和输出标签体的内容、是否迭代执行标签体的内容或对标签的执行结果进行修改后再输出

       ·在标签体中如果没有调用JspFragment方法

·在标签处理器中如果没有重复调用JspFragment.invoke方法,则标签体内容将会被重复执行

·若想在标签处理器中修改标签内容,只需调用invoike方法是指定一个可取出结果数据的输出流对象(例如 String Writer),让标签体的执行结果输出到该输出流对象中,然后从该输出流对象中取出数据进行修改后再输出到目标设备,即可达到修改标签体的目的

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