微信支付

1、处理业务逻辑

2、调取微信支付

public BaseSingleVO<Map<String, Object>> beforePayWechat(Integer type, String orderId, BigDecimal amount,
		String attach, String openid, Integer businessType, HttpServletRequest request) {
	String appId = "";
	if (businessType == 1) {
		appId = wechatPayConfig.getYpAppID();
	}else if(businessType == 2) {
		appId = wechatMpConfig.getYpExpertAppID();
	}

	BaseSingleVO<Map<String, Object>> result = new BaseSingleVO<Map<String, Object>>();
	// 实例化客户端,组装请求微信支付的字符串
	AppRequest requestObj = new AppRequest();
	requestObj.setAppid(appId);
	requestObj.setMch_id(wechatPayConfig.getMchId());
	requestObj.setNotify_url(wechatPayConfig.getPayNotifyUrl());
	/* 获取终端IP */
	String realIP = RemoteIP.getIpAddr(request);
	requestObj.setSpbill_create_ip(realIP);
	requestObj.setTrade_type("JSAPI");
	requestObj.setOpenid(openid);
	requestObj.setAttach(attach); // 商家数据包,原样返回。
	requestObj.setBody("弈赔");
	// 设置随机字符串
	String randomCode = ((int) ((Math.random() * 9 + 1) * 1000000000)) + ""; // 生成10位随机数
	requestObj.setNonce_str(MD5Tool.MD5Encrypt(randomCode));
	requestObj.setOut_trade_no(orderId);
	BigDecimal amountRealFen = amount.multiply(BigDecimal.valueOf(100)); // 转化为分
	amountRealFen = amountRealFen.setScale(0, BigDecimal.ROUND_HALF_UP); // 去除小数位
	requestObj.setTotal_fee(amountRealFen.toString());

	// 设置签名
	Map<String, Object> mapToSign = SignUtil.beanToMap(requestObj);
	String signTemp = SignUtil.dictionaryKeyValue(mapToSign, false, false) + "&key="
			+ wechatPayConfig.getCustomerKey();
	String sign = MD5Tool.MD5Encrypt(signTemp).toUpperCase(); // 将结果md5并转化为大写
	requestObj.setSign(sign);

	try {
		AppResponse responseObj = (AppResponse) HttpsRequestUtil.httpsRequestXML(wechatPayConfig.getGatway(),
				"POST", requestObj, AppResponse.class);
		if (responseObj != null) {
			if ("SUCCESS".equals(responseObj.getReturn_code())) {
				if ("SUCCESS".equals(responseObj.getResult_code())) {
					result.setCode(0);
					result.setDatasCount(1);
					Map<String, Object> datas = new HashMap<String, Object>();
					String randomStr = ((int) ((Math.random() * 9 + 1) * 1000000000)) + ""; // 生成10位随机数
					datas.put("appId", appId);
					datas.put("partnerid", wechatPayConfig.getMchId());
					// datas.put("prepayid", responseObj.getPrepay_id());
					// datas.put("package", "Sign=WXPay");
					datas.put("package", "prepay_id=" + responseObj.getPrepay_id());
					datas.put("nonceStr", randomStr);
					datas.put("signType", "MD5");
					datas.put("timeStamp", System.currentTimeMillis() / 1000 + "");
					// 生成签名
					// String signTempRtn = SignUtil.dictionaryKeyValue(datas, true, false) +
					// "&key="
					// + wechatPayConfig.getCustomerKey();

					String signTempRtn = "appId=" + appId + "&nonceStr=" + randomStr + "&package=prepay_id="
							+ responseObj.getPrepay_id() + "&signType=MD5" + "&timeStamp="
							+ System.currentTimeMillis() / 1000 + "&key=" + wechatPayConfig.getCustomerKey();

					String signRtn = MD5Tool.MD5Encrypt(signTempRtn).toUpperCase(); // 将结果md5并转化为大写

					datas.put("sign", signRtn);
					datas.put("orderId", orderId);
					result.setDatas(datas);
					result.setMessage("获取成功");
				} else {
					result.setCode(3);
					result.setMessage(responseObj.getErr_code() + ":" + responseObj.getErr_code_des());
				}
			} else {
				result.setCode(4);
				result.setMessage(responseObj.getReturn_msg());
				result.setMessage(responseObj.toString());
			}
		} else {
			result.setCode(5);
			result.setMessage("获取失败");
		}
		return result;
	} catch (Exception e) {
		e.printStackTrace();
		result.setCode(9);
		result.setMessage("获取失败");
		return result;
	}
}

3、配置回调接口

@PostMapping("receiveWechatPayNotify")
	public String receiveWechatPayNotify(HttpServletRequest request) {
		System.out.println("正在进入回调接口");
		Map<String, String[]> parameterMap = request.getParameterMap();
		System.out.println(parameterMap.toString());
		// 获取微信POST过来反馈信息
		BufferedReader bufferReader = null;
		try {
			bufferReader = request.getReader();
			StringBuffer buffer = new StringBuffer();
			String line = "";
			while ((line = bufferReader.readLine()) != null) {
				buffer.append(line);
			}
			String postData = buffer.toString(); // 获取微信post过来的xml字符串
			BaseSingleVO<String> result = this.wechatPayNotify(postData);
			return result.getDatas();
		} catch (IOException e) {
			e.printStackTrace();
			return "<xml><return_code><![CDATA[FAIL]]></return_code><return_msg><![CDATA[服务器内部错误]]></return_msg></xml>";
		}
	}

	/**
	 * 接收微信支付异步通知(订单支付)
	 * 
	 * @return
	 */
	private BaseSingleVO<String> wechatPayNotify(String postData) {
		BaseSingleVO<String> result = new BaseSingleVO<String>();
		result.setCode(0);
		result.setDatasCount(1);
		NotifyRtn notifyRtn = new NotifyRtn();
		// xml字符串转化为对象
		NotifyResponse notifyResponse = (NotifyResponse) XMLUtil.convertXmlStrToObject(NotifyResponse.class, postData);
		// 首先进行验证签名
		String weixinSign = notifyResponse.getSign(); // 获取微信签名结果
		// 我方根据微信请求参数进行签名
		notifyResponse.setSign(null); // sign不参与签名
		Map<String, Object> mapToSign = SignUtil.beanToMap(notifyResponse);
		String signTemp = SignUtil.dictionaryKeyValue(mapToSign, false, false) + "&key="
				+ wechatPayConfig.getCustomerKey();
		String sign = MD5Tool.MD5Encrypt(signTemp).toUpperCase(); // 将结果md5并转化为大写
		// 对比微信的sign和我方签名结果是否一致
		if (weixinSign.equals(sign)) {
			/*** 验证签名成功 ***/
			if (!"SUCCESS".equals(notifyResponse.getReturn_code())) {
				// 通信失败
				notifyRtn.setReturn_code("FAIL");
				notifyRtn.setReturn_msg("通信失败");
				result.setDatas(XMLUtil.convertToXml(notifyRtn));
			} else {
				String orderId = notifyResponse.getAttach();
				result.setDatas(XMLUtil.convertToXml(orderService.afterPayWechat(notifyResponse, orderId)));
			}
		} else {
			notifyRtn.setReturn_code("FAIL");
			notifyRtn.setReturn_msg("签名不符");
			result.setDatas(XMLUtil.convertToXml(notifyRtn));
		}
		return result;
	}

@Override
	@Transactional
	public NotifyRtn afterPayWechat(NotifyResponse notifyResponse, String orderId) {
		NotifyRtn notifyRtn = new NotifyRtn();
		Order order = orderMapper.selectByOrderId(orderId);
		String transaction_id = notifyResponse.getTransaction_id();
		System.out.println("回调orderId" + orderId);
		if (order == null) {
			// 订单在我方系统不存在
			notifyRtn.setReturn_code("SUCCESS");
			notifyRtn.setReturn_msg("订单不存在");
			return notifyRtn;
		}
		if (order.getStatus() == PayStatus.SUCCESS.getValue()) {
			notifyRtn.setReturn_code("SUCCESS");
			notifyRtn.setReturn_msg("已经处理");
			return notifyRtn;
		}

		System.out.println("回调success?" + notifyResponse.getResult_code());
		if (!"SUCCESS".equals(notifyResponse.getResult_code())) {
			// 微信返回支付失败
			Order orderUpdate = new Order();
			orderUpdate.setId(order.getId());
			orderUpdate.setGmtPay(new Date());
			orderUpdate.setStatus(PayStatus.FAIL.getValue());
			orderUpdate.setTransactionId(transaction_id);
			orderMapper.updateByPrimaryKeySelective(orderUpdate);
			notifyRtn.setReturn_code("SUCCESS");
			notifyRtn.setReturn_msg("支付失败");
			return notifyRtn;
		}

		BigDecimal amountReal = order.getAmountReal(); // 订单实付金额
		amountReal = amountReal.setScale(2, BigDecimal.ROUND_HALF_UP); // 保留两位小数
		BigDecimal amountRealFen = amountReal.multiply(BigDecimal.valueOf(100)); // 转化为分;
		amountRealFen = amountRealFen.setScale(0, BigDecimal.ROUND_HALF_UP);
		if (!amountRealFen.toString().equals(notifyResponse.getTotal_fee())) {
			Order orderUpdate = new Order();
			orderUpdate.setId(order.getId());
			orderUpdate.setGmtPay(new Date());
			orderUpdate.setStatus(PayStatus.FAIL.getValue());
			orderUpdate.setTransactionId(transaction_id);
			orderMapper.updateByPrimaryKeySelective(orderUpdate);
			notifyRtn.setReturn_code("SUCCESS");
			notifyRtn.setReturn_msg("金额不符");
			return notifyRtn;
		}

		// 支付成功后处理
		System.out.println("回调orderid" + order.getId());
		Order orderUpdate = new Order();
		orderUpdate.setId(order.getId());
		orderUpdate.setGmtPay(new Date());
		orderUpdate.setStatus(PayStatus.SUCCESS.getValue());
		orderUpdate.setTransactionId(transaction_id);
		orderMapper.updateByPrimaryKeySelective(orderUpdate);
		if (order.getBusinessType() == 1) {
			
		} else if (order.getBusinessType() == 4) {
		
		}

		// 处理成功
		notifyRtn.setReturn_code("SUCCESS");
		notifyRtn.setReturn_msg("处理成功");
		return notifyRtn;
	}
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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