struts文件上传

首先--->这是别人写的,自己做个备份,在这里谢谢原创 
在struts.xml里新增的配置,
    <!--  指定显示的错误信息的编码格式,注意这个编码应该跟你的回显的页面的格式是一致的  -->
    <constant name="struts.i18n.encoding" value="UTF-8" />
    <!-- 将错误消息转换成中文的文件,也称为国际化.我就直接放置在src目录下所以value不带包名 -->
    <constant name="struts.custom.i18n.resources" value="messages_zh_CN" />
   <!-- 扩大上传文件的大小 ,这里的配置是控制整个表单中上传的文件大小->
    <constant name="struts.multipart.maxSize" value="104557600" />
 

messages_zh_CN.properties文件的内容如下:
struts.messages.error.content.type.not.allowed=\不\支\持\上\传\该\类\型\的\文\件
struts.messages.error.file.too.large=\上\传\图\片\失\败\:\图\片\太\大
struts.messages.error.uploading=\上\传\文\件\时\发\生\错\误
对应的value和key是:
struts.messages.error.content.type.not.allowed=不支持上传该类型的文件
struts.messages.error.file.too.large=上传图片失败:图片太大
struts.messages.error.uploading=上传文件时发生错误

其次,struts.xml的action里应该配置对上传文件的类型、大小的拦截
  <action name="add"
            class="com.silon.web.struts.action.PicAction" method="add">
            <!-- 拦截图片上传类型 -->
            <interceptor-ref name="fileUpload">
                <param name="allowedTypes">
                    image/bmp,image/png,image/gif,image/jpeg,image/jpg
                    ,image/x-png, image/pjpeg
                </param>
<!--  这里是对单个上传文件大小的限制  -->
                <param name="maximumSize">102400</param>
            </interceptor-ref>
            <interceptor-ref name="defaultStack" />
            <result name="input">/pages/pic/picUpload/addUI.jsp</result>
 </action>

最后,回显页面addUI.jsp里应该有显示错误信息的语句,
    <strong>
               <FONT color="red">
                <s:fielderror />
                 </FONT>
    </strong>
错误均放置在filederror里,如果有的话就可以通过struts标签将其打印出来了
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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