一个比较完善的初级查询

         之前写过关于查询结果的分页显示,后来在其它页面应用的时候居然出现错误。查了许多资料后终于将问题解决。在google的过程中发现,有不少人跟我一样,遇到相同的问题。现在把我的实例代码贴出来供大家参考~~

        问题说明 :页面提供模糊查询,并将多个查询条件赋予status变量。在查询结果中分页显示时,页面传递传递两个变量,一个是页数,一个是查询条件即status 。因为status包含% ,所以在传递过程中无法传递。解决方法为在status传递前,把% 替换成* ,当页面接收到status后,再把* 替换回% 。这样在查询结果中传递就没问题了~~~~

        页面代码如下:   

    <form action="lanyhzl.jsp" method="post">
  <table width="760" align="center" cellpadding="0" cellspacing="1"  class="table" >
    <tr  class="upTd" >
      <td height="22" colspan="7" align="center">LAN用户查询</td>
    </tr>
    <tr>
      <td align="center">账户名</td>
      <td align="left"><input name="username" type="text" size="15" value="<%=request.getParameter("username")%>" ></td> 
      <td align="center">用户名</td>
      <td align="left"><input name="fullName" type="text" size="15" value="<%=request.getParameter("fullName")%>" ></td>
      <td align="center">身份证号</td>
      <td align="left"><input name="idNumber" type="text" size="15"   value="<%=request.getParameter("idNumber")%>"></td>
      <td align="center"><input type="submit" name="query" value="查询"></td>
    </tr>
  </table>
  </form>
  <br>
    <%
    Connection conn=Database.getConnection();//获取数据库连接
    int perpg=15;  //每页显示条数
    int pg=1;   //当前页数记录
    int count=0;   //取得数据数目
    int count2=0;   //记录条数
    int pagenum;   //总页数
    String pgsql="";
    String gdsql="";
    
    String status = "";
    if(request.getParameter("status")!=null && !request.getParameter("status").equals(""))...... {
         status = request.getParameter("status").replace("*","%");  //查询条件
    }
    
    if(request.getParameter("username")!=null && !request.getParameter("username").equals(""))...... {
         status = status+ " and username like ' %"+new String(request.getParameter("username").getBytes("iso-8859-1"),"utf-8")+"% '";
    }
    if(request.getParameter("fullName")!=null && !request.getParameter("fullName").equals(""))...... {
       status = status+ " and fullName like ' %"+new String(request.getParameter("fullName").getBytes("iso-8859-1"),"utf-8")+"% '";
    }
    if(request.getParameter("idNumber")!=null && !request.getParameter("idNumber").equals(""))...... {
       status = status+ " and idNumber like ' %"+new String(request.getParameter("idNumber").getBytes("iso-8859-1"),"utf-8")+"% '";
    }
    
    pgsql="select count(username) as num from lan_AcctParam where username<>'' "+status; 
    
    //System.out.println(pgsql);
    ResultSet res= Database.SQLQuery(conn,pgsql);
    if(res.next())......{    //查得数据条数
        count=res.getInt("num");
        count2=count;
    }
    res.close(); 
    
    if(count2==0)...... {%>
         <h2><center>没有数据显示,请重新查询!</center></h2>
    <%}
    else...... {
    for(pagenum=0;count>0;pagenum++)......{   //分页
        count=count-perpg;
    }
    if (request.getParameter("page")!=null && !request.getParameter("page").equals(""))...... {
        pg=Integer.parseInt(request.getParameter("page"));
        if (pg>pagenum)...... {
            pg=pagenum;
        }
        else if(pg<=1)...... {
            pg=1;
        }
    } 
    gdsql = "select top "+perpg+" username,fullName,idNumber,address,email,feeType,openPayAmount,nasPort,framedIp from"
             +" lan_AcctParam where username not in"
             +" (select top "+(pg-1)*perpg+" username from lan_AcctParam" 
             +" where username<>'' "+status+" order by username desc) and username<>'' "+status+" order by username desc"; 
    
    res=Database.SQLQuery(conn,gdsql);
    %>
    
    <table width="760" border="0" align="center" cellpadding="0" cellspacing="1" class="table_B">
    <tr class="upTd">
      <td height="22" align="center">账户名</td>
      <td align="center">用户名</td>
      <td align="center">证件号</td>
      <td align="center">联系方式</td>
    </tr>
    <%while(res.next())...... {%>
    <tr>
      <td align="center" height="22"><c:out value="<%=res.getString("username")%>"/></td>
      <td align="center"><c:out value="<%=res.getString("fullName")%>"/></td>
      <td align="center"><c:out value="<%=res.getString("idNumber")%>"/></td>
      <td align="center"><c:out value="<%=res.getString("address")%>"/></td>
    </tr>
    <%
    }
    res.close();
    conn.close();
     status = status.replace("%","*");
    %>
  </table>
   <table width="760" border="0" align="center" cellpadding="0" cellspacing="1">
    <tr>
      <td>
    <% if (pagenum>1 && pg!=1) ...... {%><a href="lanyhzl.jsp?page=1&status=<%=status%>">首页</a><% } %>
    <% if (pagenum>1 && pg>1) ......{%><a href="lanyhzl.jsp?page=<%=pg-1%>& status=<%=status%> ">前一页</a> <% } %>
    <% if (pagenum>1 && pg<pagenum) ......{%><a href="lanyhzl.jsp?page=<%=pg+1%>& status=<%=status%> ">下一页</a> <% } %>
    <% if (pagenum>1 && pg!=pagenum) ......{%><a href="lanyhzl.jsp?page=<%=pagenum%>& status=<%=status%> ">尾页</a><% } %>
      
      共<%=count2%>条记录&nbsp; / &nbsp;<%= pagenum %>页,当前是<%= pg %>页</td>
    </tr>
  </table>
  <%}%>


       
后话 :之所以说是初级查询,是因为将查询代码与显示代码放在同一页面中,既不方便也不安全。最好的办法还是装查询方法封装在Bean中,调用时只传递相应的参数,一举多得。最后,如欲转载,请说明出处~~哈哈~

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