Filter

Filter

Listener

六十七 创建Http Filter

在这里插入图片描述
1.JavaWeb-过滤器
(1)Filter的基本功能是对Servlet容器调用Servlet的过程进行拦截,从而在Servlet进行响应处理的前后实现一些特殊的功能
(2)在Servlet API中定义了三个接口类来供开发人员编写Filter程序:Filter.FilterChain,FilterConfig
(3)Filter程序是一个实现了Filter接口的java类,与Servlet程序相似,它由Servlet容器进行调用和 执行
(4)Filter程序需要在web.xml文件中进行注册和设置它所能拦截的资源:Filter程序可以拦截Jsp,Servlet,静态图片文件和静态Htmlw文件
在这里插入图片描述
2.Filter:
Filter拦截的顺序和filtermapping在web.xml中的顺序有关
1)Filter是什么
JavaWeb的一个重要组件,可以对发送到Servlet的请求进行拦截,并对响应进行拦截。
Filter是实现了Filtere接口的Java类
Filter需要在web.xml文件中进行配置和映射

2)如何创建一个Filter,并跑起来
1.创建一个Filter类:实现FIlter接口
2.在web.xml进行注册和映射。其中url-pattern 指定该Filter可以拦截哪些资源,即通过哪些url访问到Filter
3)Filter 相关API:
1. init(filterConfig):类似于Servlet的init方法,在创建Filter对象后,立即被调用,且只被调用一次,Filter对象在Servlet容器加载当前WEB应用时被创建。该方法对当前的Filter进行初始化操作,Filter是单例的。
FilterConfig类似于ServletConfig
可以在web.xml文件中配置当前Filter的初始化参数,配置方式类似于Servlet

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.doFilter():真正Filter的逻辑代码需要编写在该方法中,每次拦截都会调用该方法。

    FIiterChain:Filter链,多个Filter可以构成一个filter链

–doFilter():把请求传给Filter链的下一个Filter.若当前Filter是Filter的最后的一个Filter,则把请求给目标Servlet.

–多个Filter拦截的顺序和配置的顺序有关,靠前的先被调用。

      3.destory();

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Login.jsp

在这里插入代码片
<form action="hello.jsp" method="post">
   username:<input type="text" name="username"/>
   password:<input type="password" name="passwprd"/>
   <input type="submit" value="submit"/>     
</form>

在这里插入图片描述
UserNameFilter
在这里插入图片描述

String initUser=filterConfig.getInitParameter("username");
String username=request.getParameter("username");
if(!initUsre.equals(username)){
     request.setAttribute("message","用户名不正确");
     request.getRequestDispatcher("/login.jsp").forward(request,response);
     return;
}
  chain.doFilter(request,response);

在这里插入图片描述

PasswordFilter
在这里插入图片描述

String initUser=filterConfig.getInitParameter("password");
String username=request.getParameter("password");
if(!initUsre.equals(username)){
     request.setAttribute("message","密码不正确");
     request.getRequestDispatcher("/login.jsp").forward(request,response);
     return;
}
  chain.doFilter(request,response);

在这里插入图片描述

hello.jsp
在这里插入图片描述

Hello:${param.username}
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