Struts2简单入门概要

总结-Struts2的核心要点


1.配置文件
(1)struts2核心过滤器
在web.xml中,顺序在Spring的过滤器(处理延迟加载)后面
核心过滤器的执行流程
	服务器启动时,执行init方法(加载配置文件)
	访问Action类时,创建Action对象,同时创建它的ActionContext和值栈,再执行访问方法
(2)struts.xml
用户自定义的配置文件,在src目录下,主要用来配置Action类
<struts>
    
    <!--开启动态方法访问-->
    <constant name="struts.enable.DynamicMethodInvocation" value="true"></constant>
    <!--引入配置文件(可以将struts.xml写在不同包内)-->
    <include file="com/struts/sc/user/struts_user.xml" />
    <!-- 配置全局跳转页面 -->
    <global-results>
        <result name="error">/error/error500.jsp</result>
    </global-results>
    
    <!-- 配置Action类 -->
    <package name="myPackage" namespace="/" extends="struts-default">
        <action name="user_*" class="Action类全限定名" method="{1}">
            <result name="list" type="redirect">/user/list.jsp</result>
        </action>
    </package>   

</struts>

<!-- result标签的type属性 
可选值:chain(默认值,转发,Action类=>jsp页面)  dispatcher(转发,Action类=>Action类)
	  redirect(重定向,Action类=>jsp页面)  redirectAction(重定向,Action类=>Action类)

如果type="redirectAction",表示跳转到其他Action类,此时路径的写法:跳转Action类的访问路径去掉第一个根地址"/"和.action后缀:
	<result name="test" type="redirectAction">testAction_update</result>
-->
(3)配置文件的加载顺序
在struts2的核心过滤器中会按顺序加载配置文件,对于同样资源,后加载的会覆盖先加载的
default.properties  struts-dafault.xml  struts.xml  web.xml
2.Action类

继承ActionSupport

(1)Action类方法的编写规则
1.public修饰
2.不能有参数
3.返回类型为String
(2)数据封装
1.属性封装
	Action类提供相应的属性和get/set方法
	前端页面发送的参数名与要封装的属性名保持一致
2.模型封装
	Action类实现接口ModelDriven<T>
	Action类提供相应的属性,并实例化!
	前端页面发送的参数名与要封装的对象的属性名保持一致
3.拦截器
(1)实现原理与意义
原理:运用动态代理生成Action类的代理对象,对某些方法进行加强
意义:Strut2中的AOP思想,实现了程序的可组合,可插拔的特性
(2)拦截器与过滤器的区别
过滤器必须依赖Servlet容器,拦截器只是一个普通的类不需要环境
过滤器可以拦截任何请求(包括jsp),拦截器只能拦截action请求
过滤器基于函数回调,拦截器基于反射机制
(3)拦截器的编写
实现接口:AbstractInterceptor 或 MethodFilterInterceptor 等
	实现接口MethodFilterInterceptor的拦截器可以配置指定(不)拦截的方法
重写接口的方法
	// 执行这里之前是拦截前操作,执行到这里执行Action类方法,执行这里之后是拦截后的操作
	String res = invocation.invoke(); 
(4)拦截器的配置:见配置文件
配置在struts.xml中
	拦截器的声明:在配置文件头中
	拦截器的引用声明:在action标签内
4.Struts2与Servlet的联系
(1)ActionContext:完全解耦和方式

每个Action被访问时,过滤器会生成它的对象,它的ActionContext类对象以及它的值栈对象

ActionContext context = ActionContext.getContext(); // 获取ActionContext
Map<String,Object> map = context.getParameters(); // 获取所有的请求参数
context.getSession().put("msg","往这个map集合中存东西就是往session中存"); // 获取session
context.put("msg","默认put方法就是写到response中"); // response写入
(2)ServletActionContext:获取request,session
HttpServletRequest request = ServletActionContext.getRequest(); // 获取request
HttpServletResponse response = ServletActionContext.getResponse(); // 获取response
5.值栈

值栈是Struts2的数据中转站,类似于Servlet中的request等域对象,在Struts2中用值栈存储中转数据

(1)值栈的结构
值栈主要包含两个存储数据的部分:root(list集合)和context(map集合)
	context:自动压入一些重要的对象(如request,session等)
	root:用户控制程序压入数据,一般存取数据在这里操作
(2)获取值栈
ActionContext context = ActionContext.getContext(); // 获取ActionContext
ValueStack vs = context.getValueStack(); // 获取值栈
(3)值栈存值
vs.push(Obj obj); // 往栈顶压入对象
vs.set(String key,Obj obj); // 如果栈顶是Map,就往这个Map中put值;如果不是,先push一个HashMap,再将值put进栈顶的HashMap中
(4)值栈取值
采用el表达式
	el表达式本来是用于从request等域对象中取值;但是Struts2对request进行了加强:优先从域对象中取值,如果取不到,再从值栈中查找取值

还可以采用ognl表达式,用s标签取值,详情见Struts2-day34.md
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