qeephp的路由配置,轻松美化路由[原创]

新手在学习qeephp的时候,肯定会发现qeephp原来的路由又臭又长……还好,qeephp框架的有美化URL的功能。

首先介绍下qeephp的双向解析:

  正向解析:

  http://localhost/flyingdream/imgCode/check/1 ,像这样一个url很常见,在访问此链接的时候,他告诉服务器程序,我使用了imgCode这个控制器,并调用check方法。不仅如此,服务器还知道了type=1这个选项。

  这种功能几乎每个框架里面都有。python的django框架通过正则表达式来改变URL的接收方式,这种方式一定让许多程序员感到十分亲切。个人认为qeephp的路由配置更加方便,因为不用写很长很长很长的正则表达式。

  反向解析:

  正向解析扯多了,反向解析其实很简单,就是一个函数:url()。这个函数根据参数具有反解析路由的能力。

  下面引用下qeephp-quick-start上面的反解析介绍,因为上面讲的很清楚,不需要我多废话了:

    在应用程序的 URL 路由没有启动时,url() 的效果如下:

   url('tasks/create')// 结果为 index.php?controller=tasks&action=create
    url('tasks/edit', array('task_id' => 2))// 结果为 index.php?controller=tasks&action=edit&task_id=2
   
而启用 URL 路由后,url() 的效果如下:
    url('tasks/create')// 结果为 /tasks/create
    
url('tasks/edit', array('task_id' => 2))// 结果为 /tasks/edit/2
   
如果我们修改了路由规则,则效果可能是:
    url('tasks/create')// 结果为 /create-new-tasks
    
url('tasks/edit', array('task_id' => 2))// 结果为 /edit-my-task/2
   也就是说 url() 函数的结果取决于应用程序的配置和路由规则。
下面,上正餐:启用url路由:
    1、讲工程目录中的 _htaccess 改名或复制为 .htaccess
    2、修改 configs/environments.yaml 文件
      dispatcher_url_mode: standard  改为  dispatcher_url_mode: rewrite
    3、添加新的路由规则
      实际上这个路由就可以用了。但是想要添加更多的路由规则可以根据默认的路由规则进行设置。实际上就是变量的取得而已。
_default_:
pattern: /:controller/:action/*
defaults:
controller: default
action: index
    yaml的老规则,空两格缩进。

转载于:https://www.cnblogs.com/Neoh/articles/1957955.html

  • 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