一.输出(sqrt(20)+sqrt(10))/(sqrt(20)-sqrt(10)):
System.out.println((Math.sqrt(20)-Math.sqrt(10))/(Math.sqrt(20)-Math.sqrt(10)));
如果要四舍五入保留整数位,直接用 Math.round(ans);
如果保留小数点后一位,可以: Math.round(10*ans)/10.0;
二.用变量保存多种数据
eg:不同类型的变量存放对应类型的数据,变量的值可以改变
String name='张飞';
char sex='男';
short age=35;
float height=1.99f;//(注意加f)
String type='豪放的';
System.out.println("嗨,大家好,俺叫"+name+",今年"+age+"岁,俺是一个"+type+sex+"士");
三.变量的作用域
package a;
public class test {
public static void main(String[] args) {
{
String name="王菲";
System.out.println(name);
}
String name="张飞";
System.out.println(name);
}
}
都能正常输出name,但大括考要在前面,不能在后面
四.基本数据类的包装类
Byte ,Short,Integer,Long,Double,Float,Character,Boolean
包装类中封装了一些很实用的方法和常量,eg:Byte.MIN_VALUE 是 Byte 类中的一个常量,存放 byte
类型数据的最小值。
包装类在集合中用来定义集合元素类型。
1. Interger.MIN_VALUE: int型的最小值:-2^31
2. Interger.MAX_VALUE: int型的最大值:2^31-1
3. int Interger.parseInt(String sInteger);
作用:将字符串类型的整数转换成int类型的数据。
eg:
System.out.println(Interger.parseInt("5000")+1);
4. String Interger.toBinaryString(int value);
作用:将十进制数据转换成二进制,返回结果String类型。
5. String Interger.toHexString(int value);
作用:将十进制数据转换成十六进制,返回结果String类型。
类似可转换 long,double 类型
五,整数类型
java有四种整数类型:byte , short , int , long (默认整数计算结果是int型)
若字面量超过int型最大值,则后面用L或l表示long型
eg:将字面量30亿赋给一个long型的变量:
long va=3000000000L
byte b1=5; byte b2=(byte)(b1+3);
六.浮点类型
1.浮点类型用于表示小数的数据类型,有 float,double 两种。
2.浮点数原理:二进制的科学计数法。
3.java默认浮点类型的计算结果是 double 类型,字面量也是 double 类型数据的最小值。若要用 float ,后面加F或f
eg:float f=5.3f
科学计数法:
1.十进制:219345=2.19345*(10^5) 其中:尾数:2.19345,指数:5,基数:10
2.二进制:10111=1.0111*(2^100)
1.float 类型共32位,1位符号位,指数8位,尾数32位。
2.float 的精度是23位(即能精确表达23位的数,超过就被截取了)
3.float 存储数据范围大于int型,但精度比int小,因为int精度是31位。
1.double 类型,1位符号位,11位指数位,52位尾数位。
2.double 范围远远大于long,但double精度不如 long(long存储数据位数是63位)。
浮点运算很慢且有误差,因此尽量用 int 计算,比较 double 大小时不用等号用范围。
七.字符类型
1.char 类型的字面量可以是一个英文字母、字符或一个汉字,且由''包括
2.如:'A' '3' 'a' '\n'
unicode编码是全球范围内的编码方法,英文部分与ASCLL码兼容。eg:65表示A
验证: for(int i=0;i<127;i++)
{
System.out.println((char)i+":"+i);
}
八,转义符
1.转义字符:"\ ":
'\n' 表回车;
'\t'表制表符,一个制表符表示向右跳 8-10 个字符
'\\' 表示\
'\'' 表示单引号
'\"' 表示双引号
'\u4e2d' 表示汉字“中”
九,布尔类型的概念和用法
1.布尔类型用在分支语句、循环语句中
boolean 变量的初始化:
boolean isPass=true
isPass=59>=60
十,小类型向大类型转换
byte b1=5;
byte b2=b1+10;
1.小类型向大类型的转换会自动完成。
2.自动转换规则:符号位会自动扩展,负数补1,整数补0
3.自动类型转换包含以下情况:(1)byte->short->int->long->float->double
(2)int 和 char 类型的数据在某些情况下可以自动相互转换
eg:int类型数据自动转换为long型:int i=2; long l=i;
案例:
1.小类型向大类型转换一般情况下是安全的
2.当小类型的精度高于大类型时要注意精度丢失
(1)int 类型转换为 float 类型丢失精度的案例 :
int i=0x1000001;
float f=i;
System.out.println(Interger.toBinaryString(i)+":"+i);
System.out.println)Interger.toBinaryString((int)f+":"+f);
(f丢失了最后一位)
十一,大类型向小类型转换
1.强制类型转换
byte b=5;
b=(byte)(b+10);
eg:大类型转换小类型时,源数据的数据位变为目标数据的符号位。
int i=129;
byte b=(byte)i;
变量b的值是多少?-127
100000001=129;取反加1
若i=257,变量b的值是多少?1
十二,int类型与char类型的转换
1. char c=65;
int i='B'
System.out.println(c+","+i);
输出:A,66
2.字符类型的数据可进行数值计算
char c='A';
int i=c+1;
c=(char)(c+1);
System.out.println(c+":"+i);
输出:B:66
十三,通过args数组获取数据
1.通过main方法的args数组可以从控制台获取一组字符串数据。
public static void main(String[] args)
{
int a=Interger.parseInt(args[0]);
int b=Interger.parseInt(args[1]);
System.out.println(a+"+"+b+"="+(a+b));
System.out.println(a+"-"+b+"="+(a-b));
System.out.println(a+"*"+b+"="+(a*b));
System.out.println(a+"/"+b+"="+(a/b));
}
十四,通过Scanner从控制台获取数据
1.String next() 接收控制台输入的一个字符串。
2.String nextLine() 接收控制台输入的一个字符串。
3.int nextInt() 接收控制台输入的一个int类型的数据。
4.double nextDouble() 接收控制台输入的一个double类型的数据。
5.boolean nextBoolean() 接收控制台输入的一个boolean类型的数据。
6.输入char类型数据
Scanner 类没有提供直接输入char类型的方法,可通过charAt()方法从 next()或nextLine()获取输入的字符。
char String.charAt(int index); 从字符串中获取指定下标的字符,下标从0开始。
eg:"abc".charAt(0)的结果是a。
"abc".charAt(1)的结果是b。
next().charAt(0) 从控制台输入的字符串中获取第一个字符。
过程:1.创建Scanner类的一个对象
eg:Scanner scanner =new Scanner(System.in);
2.通过Scanner 调用next方法,接收控制台输入的数据。
eg:System.out.println("姓名:");
String name=scanner.next();
控制台输入数据的案例:
eg:通过控制台输入一个人的姓名、性别、年龄、身高、性格和自我介绍
Scanner scanner=new Scanner(System.in);//创建Scanner对象
System.out.println("姓名:");//向控制台输出文本
String name=scanner.next();//接收输入的姓名字符串
System.out.println("性别:");
char sex=scanner.next().charAt(0);
System.out.println("年龄:");
int age=scanner.nextInt();
System.out.println("身高:");
double height=scanner.nextDouble();
System.out.println("性格:");
String type=scanner.next();
System.out.println("我叫"+name+",今年:"+age+"岁,身高:"+"米,我是一个"+type+sex+"士");
十五,变量的自加、自减、自乘、自除运算
1.整形变量的自增:int i=0;i=i+1;
2.字符串类型变量的自增:String space="";
space=space+" ";
相关推荐
Java编程快速入门:速成版基础知识
Java作为一种高级编程语言,自1995年由Sun Microsystems公司首次发布以来,已经成为IT行业中最受欢迎的编程语言之一。它的设计初衷是“一次编写,到处运行”,这得益于其独特的跨平台特性。Java语言的跨平台特性主要依赖于Java虚拟机(JVM),这是一种抽象的计算机,能够在不同的操作系统上执行相同的字节码。Java的成功得益于其“简单、面向对象、分布式、解释型、健壮、安全和体系结构中立”等特性。
java int类型与char类型转换
1 java 对char类型的数据在底层是按照int类型来处理的 2 int类型与char类型在赋值时自动转换 案例如下: package Lei; public class Test02 { public static void main(String[] args){ char c=65; int i='B'; System.out.println(c+
YOLOv5+Astra Pro Plus深度相机:手把手教你实现实时目标检测(附ROS配置技巧)
本文详细介绍了如何将YOLOv5目标检测算法与Astra Pro Plus深度相机结合,构建实时目标检测系统。内容涵盖从硬件选型、环境搭建、ROS配置到YOLOv5部署与深度信息融合的完整流程,并分享了性能优化、避障算法等实战技巧,帮助开发者在机器人视觉等场景中快速实现智能感知应用。
Java快速入门之基本语法
java是平台无关性的 ----- > 通过java虚拟机源文件.java ----通过编译器—> 字节码文件.class ---->java虚拟机解释执行 —> 具体平台上的机器指令javac 编译器,将源程序转成字节码java --运行编译后的java程序(.class后缀的)
百度飞桨+文心大模型实战:生成式AI工程师认证备考全攻略(含真题解析)
本文详细解析百度飞桨与文心大模型结合的生成式AI工程师认证备考策略,涵盖认证体系、学习路径、核心技能突破及真题分析。帮助开发者掌握大模型原理、飞桨平台操作和文心大模型应用,高效通过工信部与百度联合认证考试。
从零到一:PrimeTime静态时序分析入门指南
本文详细介绍了PrimeTime静态时序分析(STA)的入门指南,从基础概念到实际应用全面覆盖。内容包括时序路径分类、PrimeTime环境搭建、时序约束设置与验证、时序分析与报告解读等核心内容,帮助工程师快速掌握STA技术,解决数字芯片设计中的时序收敛问题。
MySQL基础类型(详细,明了)新手一看就会!
1、以下哪个单词不是 Java 的关键字? B A:static B:Boolean C:void D:private 2、java main 函数写法正确的是? C A: public static void main() B:public void main(String[] args) C:public static void main(String[] args) D:static void main(String[] args) 3、boolean 类型的默认值为? B A:true B:fals
TMS320C6678开发笔记1-6---C6678单核烧写程序
第6节 单核烧写加载程序 6.1节 TI参考文档 参考文档:《KeystoneI Bootloader Resources and FAQ》讲的非常好,建议一定要看 https://processors.wiki.ti.com/index.php/KeystoneI_Bootloader_Resources_and_FAQ#Direct_Boot_Examples_.28without_IBL.29 里面有三个工程: C6678 EVM SPI boot example C6657 EVM ..
Integer.MIN_VALUE
staticintMAX_VALUE值为 2^31-1的常量,它表示int类型能够表示的最大值。staticintMIN_VALUE值为-2^31的常量,它表示int类型能够表示的最小值。 并且会有 Integer.MAX_VALUE+1==Integer.MIN_VALUE 转载于:https://www...
Ansys CFX Pre 中 RGP 表的高级配置与优化策略
本文深入探讨了Ansys CFX Pre中RGP表的高级配置与优化策略,旨在帮助用户将仿真从“能用”提升至“精准好用”。文章重点解析了如何根据具体仿真场景,科学设定温度压力范围、选择流体类型,并针对相变等复杂工况实施网格加密与分离建表等关键优化技术,以显著提升计算精度与稳定性。
华为OD机试真题2026双机位C卷 Java&Go 实现【用户入网定期复评】
用户开立支付账户,在开户完成后立即对用户进行一次风险模型评级,输出一个评分风险,评分范围1-100,等区间的分为5个等级,1-19为等级1,20-39为等级2,40-59为等级3,60-79为等级4,80-100为等级5,系统每天会任务对全量入网用户进行计算复评时间,输出评分给出新的风险等级。复评规则如下:
编程语言Java入门——基础知识篇(三)类和对象
本文系统介绍了Java面向对象编程的核心概念,包括类与对象、封装、继承、多态三大特性。重点讲解了类的组成部分(成员变量、方法、构造器等)、static关键字用法、this和super关键字区别,以及对象的内存结构和创建过程。同时深入解析了对象的引用机制、垃圾回收原理和内存管理策略,并强调遵循面向对象设计原则的重要性。通过汽车制造、餐厅运营等生动类比,帮助读者理解抽象概念,并提供了大量实用代码示例,如封装实现、继承方法重写、多态应用等,为Java初学者构建了完整的面向对象知识体系。
TIA西门子博途V19安装教程及注意事项
TIA西门子博途V19安装教程及注意事项
java入门需要掌握哪些知识_java编程入门需要掌握哪些基础知识
java编程开发语言一直以来都是学习人数和使用范围非常广泛的一种编程开发语言,而今天我们就给大家简单介绍一下,java编程入门需要掌握哪些基础知识。一、java基础1、Java有哪些特点并发性的:你可以在其中执行许多语句,而不必一次执行它面向对象的:基于类和面向对象的编程语言。独立性的:支持一次编写,到处运行的独立编程语言,即编译后的代码可以在支持Java的所有平台上运行。2、Java的特性简单,...
组合预测模型 | LSTM-XGBoost长短期记忆神经网络结合极限梯度提升树时间序列预测(Matlab程序)
组合预测模型 | LSTM-XGBoost长短期记忆神经网络结合极限梯度提升树时间序列预测(Matlab完整程序)
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载
Java编程入门-基础知识
本文介绍了Java中的基础知识,包括数据类型,扫描仪,java工具,选择循环结构,类和对象,方法等基础知识和核心概念。从零开始了解java编程。
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
Java入门高频考查算法逻辑基础知识3-编程篇(超详细18题1.8万字参考编程实现)
解决这类问题时,建议采取下面的步骤: 理解数学原理:确保你懂得基本的数学公式和法则,这对于制定解决方案至关重要。 优化算法:了解时间复杂度和空间复杂度,并寻找优化的机会。特别注意避免不必要的重复计算。 代码实践:多编写实践代码,并确保你的代码是高效、清晰且稳健的。 错误检查和测试:要为你的代码编写测试案例,测试标准的、边缘情况以及异常输入。 进行复杂问题简化:面对复杂的问题时,先尝试简化问题,然后逐步分析和解决。 沟通和解释:在编写代码的时候清晰地沟通你的思路,不仅要写出正确的代码,还要能向面试官解释你的
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
编程入门:计算机基础知识 JAVA的基础知识
目录 前言 一、计算机基础知识 1.1计算机 1.2计算机硬件系统 1.3计算机软件系统 1.4软件开发 1.5计算机语言 1.6人机交互的方式 1.7常用的DOS命令 二、JAVA语言的概述 2.1JAVA语言的发展史 2.2JAVA语言平台版本 2.3 Java语言特性 什么是跨平台性?通过Java语言编写的应用程序在不同的系统平台上都可以运行,那原理是什么? 注意JVM是Java语言能够跨平台的前提,但是JVM本身不跨平台 前言 计算机学习之旅第一站开启!!...
编程语言Java入门——基础知识篇(二)
本文摘要:Java字符串与数组操作指南 字符串部分: String类特性:不可变性、常量池机制、多种构造方法 常用操作:截取(substring)、替换(replace)、分割(split)、大小写转换等 高性能拼接:StringBuilder(非线程安全)和StringBuffer(线程安全)的区别与使用 格式化处理:String.format()方法和正则表达式应用 数组部分: 基本概念:固定长度、同类型元素、连续内存存储 声明与初始化:静态/动态初始化方式,包括多维数组 核心操作: 元素访问与修改 长
Java基础知识-编程入门学习
1.每个程序都只有一个入口,也就是只有一个main方法,只有一个程序可以打开QQ,其他的地方都打开不了!1.每个程序都只有一个入口,也就是只有一个main方法,只有一个程序可以打开QQ,其他的地方都打开不了!Jre:Java的一个运行环境(表示Java除了可以在windows系统运行,还可以在苹果系统运行)&&(shift+7):and符号,并且的意思,同时满足连接前后条件才为true,有一个不满足为。||(shirt+):或者的意思,只要前后两个条件一个为true,整个表达式就为true,同时为。...
Java面试基础知识,java语言编程入门
一、Netty概念及体系结构 01 Netty——异步和事件驱动 Java网络编程NIO选择器 Netty的简介、谁在使用Netty、异步和事件驱动 Netty的核心组件 02 你的第一款Netty应用程序 获取并安装Java开发 下载和安装IDE、Apache Maven Netty客户端服务器概览 编写Echo客户端 构建和运行Echo服务器和客户端 03 Netty的组件和设计 Channel、EventLoop 和ChannelFuture ChannelHandler 接口 和
编程语言Java入门——基础知识篇(一)
Java语言基础与开发环境指南 本文系统介绍了Java编程语言的基础知识和开发环境搭建。主要内容包括: Java概述:跨平台特性、面向对象设计、自动内存管理等核心特点,以及Java SE、EE、ME三大版本的区别 开发环境:详细讲解了JDK、JRE、JVM的关系与安装配置,推荐使用JDK 8和IntelliJ IDEA 2024 语言基础: 基本数据类型(8种)及其转换规则 变量与常量的声明与作用域 运算符与表达式 流程控制结构(条件/循环语句) String类操作与正则表达式 编码规范:代码注释标准与命名
723



被折叠的 条评论
为什么被折叠?



