java 个人jdbc_[Java教程]JAVA(JDBC)通用查询_星空网

JAVA(JDBC)通用查询

2017-09-07

0

第一次写编程类博客,不足之处望指正。

最近学mysql数据库时,同时看了看java和python代码。一看是看的java代码不能通用,对比了java和python代码,想到虽然不能像python一样简单,但能不能做成通用的呢?由于学习java时间也不长,就在网上看了看别人写的代码,先看到的是csdn上的《JDBC(六) 编写通用的更新和查询方法》。但是这个方法只能返回一条,就想能不能一次返回多条或整表,所以又看了看别人的。发现大多类似(或一样),有的用了格式化,单独建立了个格式化类,增加大量迭代,类型还受限。所以自己用个半天多的时间,在前人的基础上搞了一个。个别类笔者也不熟,觉得东西还凑合,拿出了分享一下,欢迎指出问题。关键处理了一下hashmap的key不能重复的问题,别的也没什么,修改前的附在最后吧。import java.lang.reflect.Field;import java.sql.PreparedStatement;import java.sql.ResultSet;import java.sql.ResultSetMetaData;import java.sql.SQLException;import java.util.ArrayList;import java.util.Iterator;import java.util.LinkedHashMap;import java.util.List;import java.util.Map;import java.util.Map.Entry;import org.apache.logging.log4j.LogManager;import org.apache.logging.log4j.Logger;import com.sql.entity.Student;public class SqlSelect1 { private static Logger logger=LogManager.getLogger(SqlSelect1.class.getName()); public static List query(Class clazz, String sql, Object... args) { T entity = null;

//笔者虚拟机默认装的mariadb,建立连接与mysql差不多,连接的封装就不发上来了。 MariaDBConn maria=null; PreparedStatement pstmt = null; ResultSet resultSet = null; List list = new ArrayList(); int colLen=0; try { maria=new MariaDBConn(); pstmt = maria.getConn().prepareStatement(sql); int argsLen=args.length; for (int i = 0; i values = new LinkedHashMap (); while (resultSet.next()) { //使用随机数使key不重复 double plus=Math.random(); colLen=resultSetMetaData.getColumnCount(); for (int i = 0; i 0) { Iterator> it = values.entrySet( ).iterator(); while(it.hasNext()){ int i=0; entity = clazz.newInstance(); while(i entry=it.next(); //剥离随机数,恢复正常key String fieldName = entry.getKey().toString().split("\\d")[0]; Object value = null; if (entry.getValue() instanceof Long) { value = Integer.parseInt(entry.getValue().toString()); } else { value = entry.getValue(); } Field field = clazz.getDeclaredField(fieldName); field.setAccessible(true); field.set(entity, value); i++; } list.add(entity); } } } catch (Exception e) { logger.error(e); }finally{ try { if(pstmt!=null){ pstmt.close(); } } catch (SQLException e) { logger.error(e); } try { if(resultSet!=null){ resultSet.close(); } } catch (SQLException e) { logger.error(e); } maria.closeConn(); } return list; } //测试: public static void main(String[] args) { List list=SqlSelect1.query(Student.class, "select id,name,birthday,gender from students"); int size=list.size(); for (int i = 0; i < size; i++) { System.out.println(list.get(i)); } }}

测试类:import java.sql.Timestamp;public class Student { private int id; private String name; private Timestamp birthday; private boolean gender; public Student() { super(); } public Student(String name, Timestamp birthday, boolean gender, boolean isDelete) { super(); this.name = name; this.birthday = birthday; this.gender = gender; this.isDelete = isDelete; } public Student(int id, String name, Timestamp birthday, boolean gender, boolean isDelete) { super(); this.id = id; this.name = name; this.birthday = birthday; this.gender = gender; this.isDelete = isDelete; } public int getId() { return id; } public String getName() { return name; } public Timestamp getBirthday() { return birthday; } public boolean isGender() { return gender; } public boolean isDelete() { return isDelete; } public void setId(int id) { this.id = id; } public void setName(String name) { this.name = name; } public void setBirthday(Timestamp birthday) { this.birthday = birthday; } public void setGender(boolean gender) { this.gender = gender; } public void setDelete(boolean isDelete) { this.isDelete = isDelete; } boolean isDelete; public String toString() { if(this.gender==false){ return "[Id=" + id + ", name=" + name + ", birthday=" + birthday + ", gender=女" + "]"; }else{ return "[Id=" + id + ", name=" + name + ", birthday=" + birthday + ", gender=男" + "]"; } }}

查询结果:[Id=1, name=alice, birthday=1972-01-02 00:00:00.0, gender=女][Id=2, name=jake, birthday=1988-04-01 00:00:00.0, gender=男][Id=3, name=zero, birthday=1987-02-01 00:00:00.0, gender=男][Id=4, name=luffy, birthday=1993-01-09 00:00:00.0, gender=男][Id=5, name=mike, birthday=1950-01-03 00:00:00.0, gender=男][Id=6, name=James, birthday=1989-01-09 00:00:00.0, gender=男][Id=7, name=Ace, birthday=1991-02-10 00:00:00.0, gender=男]

修改前代码:public T query(Class clazz, String sql, Object... args) { T entity = null; Connection connection = null; PreparedStatement preparedStatement = null; ResultSet resultSet = null; try { // 获取resultSet connection = JDBCUtils.getConnection(); preparedStatement = connection.prepareStatement(sql); for (int i = 0; i < args.length; i++) { preparedStatement.setObject(i + 1, args[i]); } resultSet = preparedStatement.executeQuery(); // 获取resultSetMetaData ResultSetMetaData resultSetMetaData = resultSet.getMetaData(); // 创建一个MAP 键 :SQL查询得到的列的别名,别名和javaBean的属性名对应 值:对应列的值 Map values = new HashMap(); // 处理结果集,利用resultSetMetaData填充Map while (resultSet.next()) { for (int i = 0; i < resultSetMetaData.getColumnCount(); i++) { String columnLable = resultSetMetaData .getColumnLabel(i + 1); Object columnValue = resultSet.getObject(i + 1); values.put(columnLable, columnValue); } } // 如果map不为空,利用反射创建对象 if (values.size() > 0) { // 反射创建对象 entity = clazz.newInstance(); // 遍历Map ,利用反射为属性赋值 for (Map.Entry entry : values.entrySet()) { String fieldName = entry.getKey(); Object value = null; // 因为java中和mysql中数据类型对应不一致 // mysql中int对应JAVA中的long,所以当查询出int型数据的时候需要转换 if (entry.getValue() instanceof Long) { value = Integer.parseInt(entry.getValue().toString()); } else { value = entry.getValue(); } // ReflectionUtils.setFieldValue(entity, fieldName, value); Field field = clazz.getDeclaredField(fieldName); field.setAccessible(true); field.set(entity, value); } } } catch (Exception e) { // TODO: handle exception e.printStackTrace(); } return entity; }

0

*特别声明:以上内容来自于网络收集,著作权属原作者所有,如有侵权,请联系我们:admin@shaoqun.com。

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。
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