java getchild_Java IFileStore.getChild方法代码示例

最新推荐文章于 2021-07-29 10:34:59 发布
最新推荐文章于 2021-07-29 10:34:59 发布
阅读量85 收藏
点赞数
文章标签： java getchild
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_33628677/article/details/115021512
版权

import org.eclipse.core.filesystem.IFileStore; //导入方法依赖的package包/类

/**

* Moves the project history from the old project to the new one.

*

* @param oldProject the old project, which does not exist anymore

* @param newProject the new project, which already exists

* @param monitor the progress monitor to use

*/

private void moveHistory(

final IProject oldProject, final IProject newProject, final IProgressMonitor monitor) {

try {

monitor.beginTask(RefactoringCoreMessages.RefactoringHistoryService_updating_history, 60);

final IFileStore historyStore =

EFS.getLocalFileSystem()

.getStore(RefactoringCorePlugin.getDefault().getStateLocation())

.getChild(NAME_HISTORY_FOLDER);

final String oldName = oldProject.getName();

final String newName = newProject.getName();

final IFileStore oldStore = historyStore.getChild(oldName);

if (oldStore

.fetchInfo(

EFS.NONE,

new SubProgressMonitor(monitor, 10, SubProgressMonitor.SUPPRESS_SUBTASK_LABEL))

.exists()) {

final IFileStore newStore = historyStore.getChild(newName);

if (newStore

.fetchInfo(

EFS.NONE,

new SubProgressMonitor(monitor, 10, SubProgressMonitor.SUPPRESS_SUBTASK_LABEL))

.exists())

newStore.delete(

EFS.NONE,

new SubProgressMonitor(monitor, 20, SubProgressMonitor.SUPPRESS_SUBTASK_LABEL));

oldStore.move(

newStore,

EFS.OVERWRITE,

new SubProgressMonitor(monitor, 20, SubProgressMonitor.SUPPRESS_SUBTASK_LABEL));

}

} catch (CoreException exception) {

RefactoringCorePlugin.log(exception);

} finally {

monitor.done();

}

}

LikYu-餘力
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
java getchild_Java Node.getChild方法代碼示例
weixin_42157166的博客
02-25 204
import com.jme3.scene.Node; //導入方法依賴的package包/類/*** Course path constructor. Locate the course path and organise the points* into an ordered list. Rotate these points to create a smooth path.* @param ...
java getchild_Java IFileStore.getChild方法代碼示例
weixin_39731586的博客
02-25 56
import org.eclipse.core.filesystem.IFileStore; //導入方法依賴的package包/類/*** Moves the project history from the old project to the new one.** @param oldProject the old project, which does not exist anymore*...
java getchild_Java CommonTree.getChild方法代码示例
weixin_33250328的博客
02-25 200
import org.antlr.runtime.tree.CommonTree; //导入方法依赖的package包/类static public PropertyArgument buildFieldReference(String argumentName, CommonTree fieldReferenceNode, QueryModelFactory factory,FunctionEv...
Java 递归取Children
yuexinyun62的博客
07-29 2869
递归获得父子数状结构 public class RoleAndPermissionVO { /** * 权限id */ private String id; /** * 权限描述信息 */ private String permissionName; /** * 父编号 */ private String parentId; /** * 父子关系 */ privat
jdom中Element属性的getChild(String)和getChildren(String)的区别
weixin_41768097的博客
04-12 5947
根据英语翻译，children是child的复数，所以getchild(String)方法是获得当前元素的某个子元素，如下面test.xmltest.xml<HD>  <disk name="C">    <capacity>8G</capacity>    <directory>200</directory>    &a
Android-ExpandableListView.rar_android开发_Java_
08-11
以下是一些关键代码示例： ```java public class CustomExpandableListAdapter extends BaseExpandableListAdapter { private List<Group> groups; private Context context; public ...
基于Java的用jdom解析xml.zip
最新发布
06-17
进一步，你可以通过`Element`类的方法如`getChild`, `getChildren`, `getText()`等遍历和访问XML元素及其属性。 ```java Element rootElement = document.getRootElement(); List<Element> childElements = root...
xml_builder.zip_CMarkup_c++ builder xml_cmarkup.zip
09-24
在"xml_builder.zip_CMarkup_c++ builder xml_cmarkup.zip"这个压缩包中，包含了一些与CMarkup相关的资源，如示例代码、源码等。 首先，CMarkup是基于EDOM（Element Document Object Model）标准构建的。EDOM是一种...
jdom-1.0.jar.rar_jdom_jdom-1.0.j_jdom-1.0.jar_jdom.jar 1_jdom1.0
09-20
例如，使用JDOM的SAXBuilder类可以从XML输入流构建Element对象树，而Element对象的getChild和getChildren方法则用于检索子元素，setAttribute方法用于设置元素属性。 JDOM 1.0版本还包含了jdom-1.0.jar和jdom.jar两...
Java解析XML的四种方法 有代码详解哦
11-06
本篇文章将深入探讨Java解析XML的四种主要方法，并提供相应的代码示例。 1. DOM（Document Object Model）解析 DOM解析器将整个XML文档加载到内存中，形成一个树形结构，即DOM树。这种解析方式允许开发者通过节点...
JDOM的Element的getChild(String name)和getChildren((String name)方法
jluzh04140717的博客
04-21 1万+
Element org.jdom.Element.getChild(String name) Note: This element neither has attached source nor attached Javadoc and hence no Javadoc could be found.例子: 这是一个XML文件<?xml version="1.0" encoding="UTF-8
java getchild_Java DOM.getChildIndex方法代码示例
weixin_39616961的博客
02-25 110
import com.google.gwt.user.client.DOM; //导入方法依赖的package包/类public CurriculaCourses() {iTable = new UniTimeTable();iTable.addStyleName("unitime-CurriculaCourseProjections");initWidget(iTable);iCourseCha...
Java DOM 处理XML时调用getChildNodes函数，子节点个数问题
zhoushenghuang的专栏
01-29 8239
Java DOM 处理XML时调用getChildNodes函数，子节点个数问题,递归删除TEXT_NODE类型节点
JAVA操作XML四(理解):有关getChildNodes的理解
仰望者！
03-27 6050
 代码如下：NodeList lists = root.getChildNodes();System.out.println(lists.getLength());xml文件是这样的： aaabbb ssssss结果发现lists的长度居然是5，怎么也不明白，后来发现如果把xml文件改一下，把tab、回车都去掉，长度就成了2了。
java getchild_Java Pane.getChildren方法代码示例
weixin_39945531的博客
02-25 538
import javafx.scene.layout.Pane; //导入方法依赖的package包/类private void renderAccountCard(Account account) {Pane pane = new AnchorPane();addCssClass(pane, "account-card");pane.setPrefHeight(70.0);pane.setMin...
java getchild_Java Tree.getChild方法代码示例
weixin_39639174的博客
02-25 262
import beast.evolution.tree.Tree; //导入方法依赖的package包/类/*** Extract coalescent times and tip information into ArrayList times from tree.* Upon return times contain the time of each node in the subtree b...
java getchildren用法_在javaFx中，为什么在向窗口添加元素时为什么需要调用“ getChildren（）”？...
weixin_33892912的博客
03-04 3657
小编典典简短的答案就是“您必须那样做，因为这就是API的编写方式”。当然，您可能真正要问的是为什么要这样编写API。我认为这实际上是两个(相关的)问题。一种与方法名称有关，以及该方法的作用，另一种与实际的API设计有关。通常，在计算中，重用现有的问题解决方案通常是有益的。(知道何时进行此操作是一门艺术，但是在这两种情况下，显然都是有益的。)以两种不同的方式，此API设计重用了现有的解决方案来解决众...
java开发常见问题总结
热门推荐
bcbobo21cn的专栏
03-30 3万+
Java编程中的一些常见问题汇总 ..本文列举了我在周围同事的Java代码中看到的一些比较典型的错误。显然，静态代码分析（我们团队用的是qulice）不可能发现所有的问题，这也是为什么我要在这里列出它们的原因。 如果你觉得少了什么，请不吝赐教，我会很乐意把它们加上。 下面列出的所有这些错误基本都与面向对象编程有关，尤其是Java的OOP。 类名 读
ai算法java代码示例
06-13
以下是一个简单的基于Java的决策树算法示例： ``` import java.util.ArrayList; public class DecisionTree { private TreeNode root; public DecisionTree() { root = null; } public void train(ArrayList<DataPoint> data) { root = buildTree(data); } public String predict(DataPoint data) { return predictHelper(root, data); } private TreeNode buildTree(ArrayList<DataPoint> data) { if (data.isEmpty()) { return new TreeNode("unknown"); } // 选择最优的特征作为分裂点 Feature bestFeature = getBestFeature(data); TreeNode node = new TreeNode(bestFeature.getName()); // 递归构建子树 ArrayList<String> featureValues = bestFeature.getValues(); for (String value : featureValues) { ArrayList<DataPoint> subset = getSubset(data, bestFeature, value); TreeNode child = buildTree(subset); node.addChild(value, child); } return node; } private String predictHelper(TreeNode node, DataPoint data) { if (node.isLeaf()) { return node.getLabel(); } String featureValue = data.getFeature(node.getName()); TreeNode child = node.getChild(featureValue); return predictHelper(child, data); } private Feature getBestFeature(ArrayList<DataPoint> data) { // 计算信息增益，选择信息增益最大的特征 double entropy = getEntropy(data); Feature bestFeature = null; double bestGain = 0; for (Feature feature : data.get(0).getFeatures()) { double gain = entropy - getConditionalEntropy(data, feature); if (gain > bestGain) { bestGain = gain; bestFeature = feature; } } return bestFeature; } private double getEntropy(ArrayList<DataPoint> data) { // 计算数据集的熵 int size = data.size(); int[] counts = new int[2]; for (DataPoint point : data) { counts[point.getLabel()]++; } double entropy = 0; for (int count : counts) { if (count > 0) { double p = (double) count / size; entropy -= p * Math.log(p) / Math.log(2); } } return entropy; } private double getConditionalEntropy(ArrayList<DataPoint> data, Feature feature) { // 计算特征条件下的数据集的熵 double conditionalEntropy = 0; ArrayList<String> featureValues = feature.getValues(); for (String value : featureValues) { ArrayList<DataPoint> subset = getSubset(data, feature, value); double p = (double) subset.size() / data.size(); conditionalEntropy += p * getEntropy(subset); } return conditionalEntropy; } private ArrayList<DataPoint> getSubset(ArrayList<DataPoint> data, Feature feature, String value) { // 获取某个特征取某个值的数据子集 ArrayList<DataPoint> subset = new ArrayList<DataPoint>(); for (DataPoint point : data) { if (point.getFeature(feature.getName()).equals(value)) { subset.add(point); } } return subset; } } class TreeNode { private String name; private String label; private ArrayList<TreeNode> children; private ArrayList<String> values; public TreeNode(String name) { this.name = name; label = null; children = new ArrayList<TreeNode>(); values = new ArrayList<String>(); } public void addChild(String value, TreeNode child) { children.add(child); values.add(value); } public String getName() { return name; } public boolean isLeaf() { return label != null; } public void setLabel(String label) { this.label = label; } public String getLabel() { return label; } public TreeNode getChild(String value) { int index = values.indexOf(value); return children.get(index); } } class DataPoint { private ArrayList<Feature> features; private int label; public DataPoint(ArrayList<Feature> features, int label) { this.features = features; this.label = label; } public String getFeature(String name) { for (Feature feature : features) { if (feature.getName().equals(name)) { return feature.getValue(); } } return null; } public ArrayList<Feature> getFeatures() { return features; } public int getLabel() { return label; } } class Feature { private String name; private String value; private ArrayList<String> values; public Feature(String name, String value) { this.name = name; this.value = value; values = new ArrayList<String>(); values.add(value); } public Feature(String name, ArrayList<String> values) { this.name = name; this.values = values; value = null; } public String getName() { return name; } public String getValue() { return value; } public ArrayList<String> getValues() { return values; } } ``` 这段代码实现了一个简单的决策树算法，包括训练和预测功能。它使用了三个类：`DecisionTree`表示决策树，`TreeNode`表示树节点，`DataPoint`表示数据点。其中，`DecisionTree`类中的`train`方法用于训练决策树，`predict`方法用于预测新的数据点。这段代码只是一个简单的示例，实际应用中可能需要进行更多的优化和改进。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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