tp ajax 批删怎样传值,thinkphp I()方法获取不到ajax传值(示例代码)

把json数据post给PHP,但在PHP里面$_post获取不到,I(‘id‘)也获取不到,$_REQUEST也获取不到,可以看下ajax的contentType设置的数据类型是什么,php对对型如text/xml 或者 soap 或者 application/octet-stream 之类的内容无法解析,原来PHP默认只识别application/x-www.form-urlencoded标准的数据类型,我们只要将ajax的contentType设置成application/x-www.form-urlencoded就可以,或者使用file_get_contents("php://input")。下面我们在来看TP中的I()方法是如何做的?

function I($name,$default=‘‘,$filter=null) {

if(strpos($name,‘.‘)) { // 指定参数来源

//判断参数$name中是否包括.号

list($method,$name) = explode(‘.‘,$name,2);

//如果包括.号将.号前后分隔,并且分别赋值给$method以及$name

}else{ // 默认为自动判断

//如果没有.号

$method = ‘param‘;

}

switch(strtolower($method)) {//将$method转换为小写

//如果$method为get,则$input为$_GET

case ‘get‘ : $input =& $_GET;break;

//如果$method为get,则$input为$_POST

case ‘post‘ : $input =& $_POST;break;

//如果为put,则将post的原始数据转参数给$input

case ‘put‘ : parse_str(file_get_contents(‘php://input‘), $input);break;

//如果是param

case ‘param‘ :

//判断$_SERVER[‘REQUEST_METHOD‘]

switch($_SERVER[‘REQUEST_METHOD‘]) {

//如果为post,则$input的内容为$_POST的内容

case ‘POST‘:

$input = $_POST;

break;

//如果为PUT.则input的内容为PUT的内容

case ‘PUT‘:

parse_str(file_get_contents(‘php://input‘), $input);

break;

//默认为$_GET的内容

default:

$input = $_GET;

}

break;

//如果$method为request,则$input为$_REQUEST

case ‘request‘ : $input =& $_REQUEST; break;

//如果$method为session,则$input为$_SESSION

case ‘session‘ : $input =& $_SESSION; break;

//如果$method为cookie,则$input为$_COOKIE

case ‘cookie‘ : $input =& $_COOKIE; break;

//如果$method为server,则$input为$_SERVER

case ‘server‘ : $input =& $_SERVER; break;

//如果$method为globals,则$input为$GLOBALS

case ‘globals‘ : $input =& $GLOBALS; break;

//默认返回空

default:

return NULL;

}

/**

* 到此为止,已经根据传入的参数的需要(第一个参数.号前面的),把所有的变量都取到了。下面就是返回变量的内容了。

**/

//如果$name为空,也就是I()第一个参数的.号后面为空的时候

if(empty($name)) { // 获取全部变量

//获取到的变量$input全部复制给$data

$data = $input;

//array_walk_recursive — 对数组中的每个成员递归地应用用户函数

//将$data的键值作为filter_exp函数的第一个参数,键名作为第二个参数

//如果$data的键值中含有or或者exp这两个字符,自动在后面加一个空格

array_walk_recursive($data,‘filter_exp‘);

//判断过滤参数是否有,如果有的话,就直接使用过滤方法,如果没有的话,就使用配置中的过滤方法

$filters = isset($filter)?$filter:C(‘DEFAULT_FILTER‘);

if($filters) {

$filters = explode(‘,‘,$filters);

//将过滤参数中的每个方法都应用到$data中

foreach($filters as $filter){

//将$data的每个值使用$filters过滤

$data = array_map_recursive($filter,$data); // 参数过滤

}

}

}elseif(isset($input[$name])) { // 取值操作

$data = $input[$name];

is_array($data) && array_walk_recursive($data,‘filter_exp‘);

$filters = isset($filter)?$filter:C(‘DEFAULT_FILTER‘);

if($filters) {

$filters = explode(‘,‘,$filters);

foreach($filters as $filter){

if(function_exists($filter)) {

$data = is_array($data)?array_map_recursive($filter,$data):$filter($data); // 参数过滤

}else{

$data = filter_var($data,is_int($filter)?$filter:filter_id($filter));

if(false === $data) {

return isset($default)?$default:NULL;

}

}

}

}

}else{ // 变量默认值

$data = isset($default)?$default:NULL;

}

return $data;

}

从源码中我们可以看到I方法的$method分为get、post、put、param,当ajax的contentType不是标准类型时,在我们接受值时可以写成

I(‘put.id‘)

就可以正常接收到值了

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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,包括输入层、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,常见的损失函数包括均方误差(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