JavaWeb从入门到放弃(6)-仔细看下servlet

Servlet是浏览器或者其他网络请求与程序的中间层,这层用来对网络请求进行处理,常用的是HttpServlet,该类继承自Servlet,它复写了service()方法,对http的get和post请求进行了判断,get的调用doGet()方法,post的调用doPost()方法。

生命周期:

init()--初始化方法,可以在这里初始化数据或者新建数据库等需要初始化的工作,整个生命周期只会调用一次。

service()--处理请求。httpService对此进行封装了get/post的判断。

destroy()--Servlet销毁,整个生命周期只会调用一次。

一:新建一个servlet

对于代码配置一个Servlet:

第一种:右键-new class-name-extends HttpServlet--去web.xml配置访问路径。

第二种:右键-new servlet-next-finish--不需要再去配置访问路径了。生成的代码如下,这里的/MyServlet就是访问时URl匹配的部分

@WebServlet("/MyServlet")
public class MyServlet extends HttpServlet {
	private static final long serialVersionUID = 1L;
       
    /**
     * @see HttpServlet#HttpServlet()
     */
    public MyServlet() {


可以配置的内容:name/urlPatterns/loadOnStartup

name就是表示这个servlet的别名,urlpatterns就表示匹配的url,

loadOnStartup:默认配置下servlet只有在有到该servlet的请求时才会创建和初始化,如果需要让它跟随程序一起初始化就需要给它设置一个大于0的数值,如果两个servlet的启动优先级相同,那么就根据厂商设置自行决定先后顺序。


二。配置一个servlet

对于这三个参数的不同配置方式:

1.

@WebServlet(name="MyServlet",
urlPatterns="/er",
loadOnStartup=1)


2.

 <!-- 声明这个servlet -->
  <servlet>
    <servlet-name>TestServelt</servlet-name>
    <servlet-class>com.test.c_171030.TestServelt</servlet-class>
    <load-on-startup>1</load-on-startup>
  </servlet>
  <!-- 设置他的访问路径 -->
  <servlet-mapping>
    <servlet-name>TestServelt</servlet-name>
    <url-pattern>/myServelt</url-pattern>
  </servlet-mapping>

注:对于这个url的配置可以使用通配符

只能有两种格式:*.拓展名和/url/*

*表示任意匹配。

对于匹配的规则,哪个更像匹配哪个:

比如:请求“/abc”,“/abc”和"/abc/"按照理论都可以,但是实际只匹配“/abc”,只因为更像。


对于缺省servlet:

如果该url匹配不上任何一个servlet就使用这个,这个的url-pattern写作/

三。使用servlet

对于表单请求数值的获取:

//数值获取
		request.getParameter("value");//如果只有单个
		request.getParameterValues("value");//如果存在一个value传多个值
		request.getParameterNames();//获取所有value



  • 0
    点赞
  • 1
    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,使用全连接来得到预测值。其网络结构通常包含多个卷积和全连接,通过卷积提取图像特征,通过全连接输出预测结果。 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