Response.Filter实现繁简转换

http://www.1task.cn/blog/article/60.aspx
文件名乱码问题 : http://www.1task.cn/blog/article/5.aspx
using System;
using System.IO;
using System.Text;

namespace  Sample
{
 public class ResponseFilter : Stream
 {
  private Stream m_sink;
  private long m_position;

  public ResponseFilter(Stream sink)
  {
   m_sink = sink;
  }

  // The following members of Stream must be overriden.
  public override bool CanRead
  {get { return true; }}

  public override bool CanSeek
  {get { return false; }}

  public override bool CanWrite
  {get { return false; }}

  public override long Length
  {get { return 0; }}

  public override long Position
  {
   get { return m_position; }
   set { m_position = value; }
  }

  public override long Seek(long offset, System.IO.SeekOrigin direction)
  {
   return 0;
  }

  public override void SetLength(long length)
  {
   m_sink.SetLength(length);
  }

  public override void Close()
  {
   m_sink.Close();
  }

  public override void Flush()
  {
   m_sink.Flush();
  }

  public override int Read(byte[] buffer, int offset, int count)
  {
   return m_sink.Read(buffer, offset, count);
  }

  // Override the Write method to filter Response to a file.
  public override void Write(byte[] buffer, int offset, int count)
  {
   string s = Microsoft.VisualBasic.Strings.StrConv(
    Encoding.GetEncoding("GB2312")..GetString(buffer),
    Microsoft.VisualBasic.VbStrConv.TraditionalChinese,0
    );
   byte[] b = Encoding.GetEncoding("BIG5").GetBytes(s);
   m_sink.Write(b, 0, count);

  }
 }
}

2、在Global.Application_BeginRequest使用Filter
this.Response.Charset = "BIG5";
this.Response.Buffer = false;
this.Response.Filter = new ResponseFilter(Response.Filter);

3、完成。

转载于:https://www.cnblogs.com/winnerlan/archive/2008/05/22/1204624.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