基于servlet+jsp框架的管理系统 (二)分页

一、分页

在allUser.jsp中添加如下代码

在这里插入图片描述

在去web.xml中添加上

在这里插入图片描述

在servlet包中新建一个FindByPageServlet:
package com.zhongruan.servlet;

import com.zhongruan.pojo.PageInfo;
import com.zhongruan.service.IUserService;
import com.zhongruan.service.impl.UserServiceImpl;

import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import javax.servlet.http.HttpSession;
import java.io.IOException;


public class FindByPageServlet extends HttpServlet {
    @Override
    protected void doPost(HttpServletRequest req, HttpServletResponse resp) throws ServletException, IOException {

        int currentPage=1;
        int size=5;
        IUserService userService=new UserServiceImpl();
        PageInfo pageInfo=userService.findByPage(currentPage,size);
        HttpSession session=req.getSession();
        session.setAttribute("pageInfo",pageInfo);
        req.getRequestDispatcher("allUser.jsp").forward(req,resp);
    }

    @Override
    protected void doGet(HttpServletRequest req, HttpServletResponse resp) throws ServletException, IOException {
        String current=req.getParameter("currentPage");
        String size1=req.getParameter("size");
        int currentPage=Integer.parseInt(current);
        int size=Integer.parseInt(size1);
        IUserService userService=new UserServiceImpl();
        PageInfo pageInfo=userService.findByPage(currentPage,size);
        HttpSession session=req.getSession();
        session.setAttribute("pageInfo",pageInfo);
        req.getRequestDispatcher("allUser.jsp").forward(req,resp);
    }
}

在IUserDao中添加“ ListfindByPage(int start,int size);”。
在UserDaoImpl中添加以下代码:
 public List<User> findByPage(int start, int size) {
        ResultSet resultSet = null;
        PreparedStatement statement = null;
        Connection connection = null;
        List<User>users = new ArrayList<>();
        try {
            connection = DBUtil.getConnection();
            String sql = "select * from account limit ?,?";
            statement = connection.prepareStatement(sql);
            statement.setInt(1,start);
            statement.setInt(2,size);
            resultSet = statement.executeQuery();
            while (resultSet.next()) {
                User user = new User();
                user.setId(resultSet.getInt(1));
                user.setUsername(resultSet.getString(2));
                user.setPassword(resultSet.getString(3));
                users.add(user);
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            DBUtil.closeALL(resultSet, statement, connection);
        }
        return users;
    }

在IUserService中添加“ PageInfo findByPage(int currentPage,int size);”。
在UserServicelmpl中添加以下代码:
@Override
     public PageInfo findByPage(int currentPage, int size) {
        PageInfo pageInfo=new PageInfo();
        pageInfo.setCurrentPage(currentPage);
        pageInfo.setSize(size);
        int start=(currentPage-1)*size;
        List<User>users=userDao.findByPage(start,size);
        pageInfo.setList(users);
        int count=userDao.seletCount();
        pageInfo.setTotalCount(count);
        Double c=Double.valueOf(count);
        Double ceil=Math.ceil(c/size);
        pageInfo.setTotalPage(ceil.intValue());
        return pageInfo;
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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