web框架之springmvc参数绑定

在spring框架中,参数绑定指的是通过处理器方法的形参,接收到请求的url或者表单中的参数数据。

分为:

  • 默认支持参数类型
  • 简单参数类型
  • pojo参数类型
  • pojo包装类型
  • 自定义参数类型
  • 数组参数类型
  • list参数类型

一、默认支持参数类型

1. HttpServletRequest
作用:通过request,获取请求的参数数据。

2. HttpServletResponse
作用:通过response,执行响应。

3. HttpSession
作用:通过session,获取和保存会话域数据。

4. Model/ModelMap
说明:

    1)Model是一个接口,是模型,用于封装响应的模型数据

    2)ModelMap是实现类,使用Model和使用ModelMap,效果是一样的

    3)使用Model封装响应的模型数据,就可以不使用ModelAndView,页面视图可以使用字符串    响应。

 

二、简单参数类型

常见简单参数类型:

类型

包装类型

基础类型

整型

Integer

int

长整型

Long

long

单精度浮点型

Float

float

双精度浮点型

Double

double

字符串

String

String

注意事项:使用简单参数类型绑定参数,推荐使用简单类型的包装类型(Integer),不建议使用简单类型的基础类型(int)。原因是基础类型不能为null值,如果不传递会报异常。

 

三、pojo参数类型

如果一次请求中参数比较多,使用pojo对象进行绑定,会比较方便。

注意:中文乱码问题

spring框架提供了字符集编码过滤器(CharacterEncodingFilter),解决post请求的中文乱码。

在web.xml配置字符集编码过滤器:

  <!--配置字符集编码的过滤器-->
  <filter>
    <filter-name>encodingFilter</filter-name>
    <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class>

    <!--指定使用的字符集编码:UTF-8-->
    <init-param>
      <param-name>encoding</param-name>
      <param-value>UTF-8</param-value>
    </init-param>

  </filter>

  <filter-mapping>
    <filter-name>encodingFilter</filter-name>
    <!--配置所有请求都经过字符集编码过滤器处理-->
    <url-pattern>/*</url-pattern>
  </filter-mapping>

 

四、pojo包装类型

用于接收综合查询条件(即复杂的查询条件)。

 

五、自定义参数类型

说明:在实际项目中,比如日期类型或者货币数据,由于格式多不固定。springmvc框架不知道我们需要的格式,只能我们根据业务需求来转换。


1、需要实现Converter接口

public class DateConverter implements Converter<String,Date>{

    /**
     * 实现转换逻辑
     * @param s
     * @return
     */
    public Date convert(String s) {
        // 2019-02-15 08:22:30
        // 定义日期格式化对象
        SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");

        // 转换数据
        try {
            // 转换成功,直接返回
          return   format.parse(s);
        } catch (ParseException e) {
            e.printStackTrace();
        }

        // 转换失败,返回null
        return null;
    }
}


2、在springmvc.xml配置自定义转换器

<!--注解驱动方式配置处理器映射器、处理器适配器,说明:
    1.导入mvc名称空间
    2.配置<mvc:annotation-driven/>
    3.它等于同时配置了RequestMappingHandlerMapping/RequestMappingHandlerAdapter
-->
<mvc:annotation-driven conversion-service="conversionService"/>

<!-- 配置自定义转换器 -->
<bean id="conversionService" class="org.springframework.format.support.FormattingConversionServiceFactoryBean">
    <property name="converters">
        <set>
            <bean class="cn.itheima.converter.DateConverter"/>
        </set>
    </property>
</bean>

 

六、数组参数类型

说明:比如实现某数据的批量删除。一次接收多个Id参数数据,需要使用数据参数类型。

 

七、list参数类型

说明:比如在实现某数据批量修改。一次接收多个对象数据,需要使用list参数类型

 

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

打赏作者

大数据_苡~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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