Java的常用类

本文深入讲解了Java中常用的类,包括String、StringBuffer、StringBuilder及Arrays等类的基本操作方法,如字符串长度获取、内容定位、替换、排序等功能,并介绍了Math和Random等数学运算相关的类。

Java的常用类

常用类

java.lang

  • 不需导入即可使用的包

String

String是一个类型,遵照Java对于类型的定义,使用一维char类型的数组实现,不可继承,不可修改

  • 求长

    • length() – 求长
  • 定位

    • 知道角标求内容

      • charAt() – 返回角标对应的单个字符,角标范围不能越界
      • substring() – 返回规定角标之间的内容,角标范围不能越界
    • 知道内容求角标

      • indexOf() – 返回从前往后查找字符串开头所在的角标,没有返回-1,输入数值可以超过数组角标,但前值必须不大于后值
      • indexOf() – 返回从后往前查找字符串开头所在的角标,没有返回-1,输入数值可以超过数组角标,但前值必须不大于后值
    • 是否包含字符串

      • contains() – 查找是否包含字符串,返回布尔值
    • 是否开头

      • startsWith() – 是否以字符串开头,返回布尔值
    • 是否结尾

      • endsWith() – 是否以字符串开头,返回布尔值
  • 替换

    • String不能直接替换内容
  • 特殊方法

    • replace() – 替换
    • concat() – 拼接
    • toUpperCase() – 变大写
    • toLowerCase() – 变小写
    • equals() – 先匹配是否是同一类的实例,不是返回false,是匹配内容,内容相同则返回true,不同返回false
    • contentEquals() – 直接比较内容
    • trim() – 去除字符串两端开头的空格
    • isEmpty() – 内容是否为空str = ("");
      注意:str=null不能用
    • split() – 按照规律分割字符串
    • compareTo() – 按照字典序比较字符串,返回int类型

StringBuffer

针对String的操作工具类,是个容器

  • 求长

    • length() – 求长
  • 定位

    • 知道角标求内容

      • charAt() – 返回角标对应的单个字符,角标范围不能越界
      • substring() – 返回规定角标之间的内容,角标范围不能越界
    • 知道内容求角标

      • indexOf() – 返回从前往后查找字符串开头所在的角标,没有返回-1,输入数值可以超过数组角标,但前值必须不大于后值
      • indexOf() – 返回从后往前查找字符串开头所在的角标,没有返回-1,输入数值可以超过数组角标,但前值必须不大于后值
  • 替换

    • 可以直接修改内容,强于String

      • append() – 后接
      • delete() – 删除
      • insert() – 插入
      • replace() – 替换
      • reverse() – 倒序

StringBuilder

Arrays

操作数组的工具类

  • toString() – 转成字符串
  • sort() – 排序(只能比较可以比较的内容,如果需要将不能比较的内容转为可以比较的内容,需要实现Comparable接口,重写compareTo()方法
  • parallelsort() – 多线程排序
  • copyOf() – 复制到
  • copyOfRange() – 范围复制
  • fill() – 填满

Math

Random

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论 1
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