struts2_day05值栈拿取list和对象中的数据

上一篇博客主要讲述了前端从值栈中拿取单个数据的方式,而往往我们拿取的可能是以对象或者列表的方式进行拿取数据的。(场景:显示图书的信息时,我们需要从数据库中拿取数据并传送到前端)那么我们如何操作哪
从值栈中拿取对象中的数据
User.java
!!!!在实体类中主要不要命名这样的属性uName 这样编译器构造出来的set方法是setuName这样是无法获取到数据的,要使用标准的小驼峰命名规则userName这样是可以的。我测试了好久才知道。
后端action的写法

public class ognlObject extends ActionSupport{
	private User user =new User();//必须要这样初始化  不然会报空指针异常
	//写get方法
	public User getUser(){
		return user;
	}
	//写动作
	public String execute(){
		user.setName("sofency");
		user.setUpwd("19980120");
		user.setUaccount("416161616");
		return SUCCESS;
	}
}

//前端如何写

<s:property value="user.name"/>
<s:property value="user.age"/>
<s:property value="user.uaccount"/>

寻找过程 根据user.name的user通过action找到getUser()方法将返回值赋值给user;然后调用name属性

从值栈中获取列表里面的值
//后端action里面的写法和对象类似

public class ognlList extends ActionSupport{
	private List<User> list =new List<User>();//必须要这样初始化  不然会报空指针异常
	//写get方法
	public User getList(){
		return list;
	}
	//写动作
	public String execute(){
		User user1=new User("sofency","191991","21212");
		User user2=new User("alice","112","2121");
		User user3=new User("hello","1912121991","2122212");
		list.add(user1);
		list.add(user2);
		list.add(user3);
		return SUCCESS;
	}
}

前端调用的三种方式

  1. 知道后端有多少数据的情况下 使用笨办法 类似于模型驱动list一样
<s:property value="list[0].name"/>
<s:property value="list[0].age"/>
<s:property value="list[0].uaccount"/>

<s:property value="list[1].name"/>
<s:property value="list[1].age"/>
<s:property value="list[1].uaccount"/>

<s:property value="list[2].name"/>
<s:property value="list[2].age"/>
<s:property value="list[2].uaccount"/>
  1. 遍历器
<s:iterator value="list">
	<s:property value="name"><!--很神奇不用知道对象是如何封装的-->
	<s:property value="upwd">
	<s:property value="uaccount">
</s:iterator>
  1. 类似于foreach的方法
    存储机制

遍历值栈 list集合,得到每个user 对象
机制 :把每次遍历出来的user对象放到context下面
获取context 里面数据 写ognl表达式
使用特殊符号 #

<s:iterator value="list" var="user">
	<s:property value="#user.name"><!--很神奇不用知道对象是如何封装的-->
	<s:property value="#user.upwd">
	<s:property value="#user.uaccount">
</s:iterator>

小bug提示
我们在前端页面中写ognl表达式时,如何想要注释掉ognl的表达式,不能使用html的注释<!--<s:property value="sofency"/>--> 这样是无法注释的,会报错
我们可以通过jsp的注释语法进行注释
<%--<s:property value="alice">--%>

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
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