2、自己手写ORM框架之标记处理器

本文深入探讨了MyBatis框架中如何处理注解字符串信息,通过GenericTokenParser类解析特定标记,实现参数替换及提取。PropertyParser类进一步提供了解析属性字符串的方法,适用于SQL动态参数处理。

上篇博文讲述了如何创建Connection对象的,这篇将会讲述mybatis是如何处理注解字符串信息的,可能有不相同的地方,但其思想大体一致。

GenericTokenParser.java

这个类很简单就是处理字符串并返回

package com.framework.betterorm.parsing;

import java.util.ArrayList;
import java.util.List;
/**
 * 通用标记解析器
 * */
class GenericTokenParser {
    /**
     * 开始标志
     */
    private final String openToken;
    /**
     * 结束标记
     */
    private final String closeToken;

    GenericTokenParser(String openToken, String closeToken) {
        this.openToken = openToken;
        this.closeToken = closeToken;
    }
    String parser(String text) {
        List<String> argList = new ArrayList<>();
        if (text == null || text.isEmpty()) {
            return "";
        }
        //从第0位开始,查找开始标记的下标
        int start = text.indexOf(openToken, 0);
        if (start == -1) {
            return text;
        }
        char[] src = text.toCharArray();
        //offset用来记录builder变量读取到哪了
        int offset = 0;
        //builer是最终返回的字符串
        final StringBuilder builder = new StringBuilder();
        while (start > -1) {
            if (start > 0 && src[start - 1] == '\\') {
                //开始是转义的,则去掉转义字符
                builder.append(src, offset, start - offset - 1).append(openToken);
                offset = start + openToken.length();
            } else {

                //将开始标记前的字符串都添加到builder
                builder.append(src, offset, start - offset).append("?");
                //计算新的offset
                offset = start + closeToken.length();
                //寻找结束标记
                int end = text.indexOf(closeToken, offset);
                while (end > -1) {
                    if (end > offset && src[end - 1] == '\\') {
                        //此结束标记是转义的

                        offset = end + closeToken.length();
                        end = text.indexOf(closeToken, offset);
                    } else {

                        offset = end + closeToken.length();
                        break;
                    }
                }
                if (end == -1) {
                    //找不到结束标记了
                    builder.append(src, start, src.length - start);
                    offset = src.length;
                } else {
                    offset = end + closeToken.length();
                }
                start = text.indexOf(openToken, offset);

            }
        }
        // 最后一次未找到开始标记, 则将 offset 后的字符串添加到 builder 中
        if (offset < src.length) {
            builder.append(src, offset, src.length - offset);
        }
        return builder.toString();
    }
     List<String> getParameter(String text){
        List<String> argList = new ArrayList<>();
        if (text == null || text.isEmpty()) {
            return null;
        }
        //从第0位开始,查找开始标记的下标
        int start = text.indexOf(openToken, 0);
        if (start == -1) {
            return null;
        }
        char[] src = text.toCharArray();
        //offset用来记录builder变量读取到哪了
        int offset = 0;

        final StringBuilder builder = new StringBuilder();
        while (start > -1) {
            if (start > 0 && src[start - 1] == '\\') {
                //开始是转义的,则去掉转义字符
                offset = start + openToken.length();
            } else {

                //计算新的offset
                offset = start + closeToken.length()+1;
                int end=text.indexOf(closeToken,offset);
                char[] tem=new char[end-offset];
                for(int i= offset,j=0;i<end;i++,j++){
                    tem[j]=src[i];
                }
                argList.add(String.valueOf(tem));
                start = text.indexOf(openToken, offset);
            }
        }

        return argList;
    }
}

 定义一个操作类,为防止进行实例化,构造函数变为私有的

PropertyParser.java
package com.framework.betterorm.parsing;
import java.util.List;

/**
 * 属性解析器
 */

public class PropertyParser {
    private PropertyParser() {
        // Prevent Instantiation
    }
    private static GenericTokenParser parser = new GenericTokenParser("#{", "}");
    public static String parse(String string) {

        return parser.parser(string);
    }
    public static List<String> getParameter(String string){
        return parser.getParameter(string);
    }
    public static void main(String[] args) {
        List<String> stringList=getParameter("select * from user where username=#{userName}");
        for (String s:stringList){
            System.out.println(s);
        }
    }
}

 

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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