Struts2拦截器

1、拦截器,和过滤器很相似,是可以在action前后执行的代码,Struts的核心功能都是通过拦截器来实现的。


Struts拦截器,每个拦截器只有一个对象实例,即采用单例模式,所有引用这个


2、拦截器栈:由多个拦截器组成。

3、拦截器和过滤器的区别:

1)、拦截器和过滤器的概念非常相似。

2)、过滤器属于web容器,可以过滤一切请求,包括action,servlet,hsp等等

3)、拦截器隶属于Struts2框架,只能兰娜姐action,无法拦截jsp的请求

4)、过滤取采用函数回调来实现,拦截器采用动态代理来实现;

4、多个拦截器之间的执行是采用拦截器责任链设计模式来实现

HttpServletRequest-->struts Filter Dispatcher-->Interceptor1-->Interceptor2-->Interceptor3-->(Action获取结果Result)-->Interceptor3-->Interceptor2-->Interceptor1-->HttpServletResponse

5、拦截器的实现步骤:

a)编写拦截器(实现Interceptor接口或者继承AcstractInterceptor)

b)在Struts.xml中配置拦截器

c)在action中引用拦截器

6、案例

定义拦截器类

图略

配置引用拦截器

图略

7、拦截器的配置详解

1)、当引用了自定义拦截器后,默认的拦截器就不起作用了

2)、默认拦截器在struts-default.xml中配置了默认拦截器,当不使用自定义拦截器的时候默认拦截器就会起作用

总结:当引用了自定义拦截器后,又不是去原有的默认的拦截器就需要手动引用

<default-interceptor-ref name="defaultStack"/>

3)、当一个action引用的拦截器个数比较多的时候,可以将多个拦截器放到一个拦截器栈中    

<interceptors>

                   <interceptor>

                            <interceptor-refname="自定义拦截器名" class="自定义拦截器全类路径"/>

                            <!--拦截器栈-->

<interceptor-stack name="myStack">

<interceptor-refname="自定义拦截器名"/>

                       <interceptor-refname=" defaultStack"/><!--defaultStack这个是不要改变的,默认xml文件中有-->

                      </interceptor-stack>

                   </interceptor>

</interceptors>

<action name="Vote_*" class="com.yc.ssm.action.VoteAction"method="{1}">

         <resultname="view">/view.jsp</result>

         <resultname="default">/404.jsp</result>

                   <--拦截器引用-->

                   <interceptor-refname=" myStack "></interceptor-ref>

</action>

未完待续......


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,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