JSR 308:Java语言复杂度在恣意增长?

  [color=red]原帖地址:[/color][url=http://www.infoq.com/cn/news/2008/05/JSR-308]http://www.infoq.com/cn/news/2008/05/JSR-308[/url]

  在上周举行的JavaOne大会中关于“被提议的Java SE7(“[url=https://www28.cplan.com/cc191/sessions_catalog.jsp?ilc=191-1&ilg=english&isort=&isort_type=&is=yes&icriteria9=TS-5581]TS-5581:即将到来的Java编程语言的变化[/url]”)语言新特性”的介绍中,JSR 308 ([url=http://jcp.org/en/jsr/detail?id=308]Java类型注解[/url])的综述占了很重要的一部分。除此之外,[url=http://www.doc.ic.ac.uk/~abuckley/]Alex Buckley [/url](Sun Microsystems)、[url=http://people.csail.mit.edu/mernst]Michael Ernst [/url](MIT) 和 [url=http://www.gafter.com/~neal]Neal Gafter [/url](Google)等与会者还介绍了其他一些Java语言新特性:如 [url=http://www.javac.info/Multicatch.html]改进的catch子句[/url](multi-catch)、 [url=http://www.javac.info/Rethrown.html]安全的re-throw[/url],[url=http://openjdk.java.net/projects/modules]和Java模块[/url](Java Modules)。

  JSR 308想要解决在[url=http://jcp.org/en/jsr/detail?id=175]Java 1.5注解[/url]中出现的两个问题:
    ☆ [color=violet]在句法上对注解的限制:只能把注解写在声明的地方 [/color]
    ☆ [color=violet]类型系统在语义上的限制:类型系统还做不到预防所有的bug [/color]

  JSR 308 通过如下方法解决上述两个问题:
  对Java语言的句法进行扩充,允许注解出现在更多的位置上。包括:方法接收器(method receivers,译注:例public int size() @Readonly { ... }),范型参数,数组,类型转换,类型测试,对象创建,类型参数绑定,类继承和throws子句。
  通过引入[url=http://www.nljug.org/pages/events/content/jspring_2008/sessions/00042/slides]可插拔的类型系统[/url](pluggable type systems)能够创建功能更强大的注解处理器。类型检查器对带有类型限定注解的源码进行分析,一旦发现不匹配等错误之处就会产生警告信息。

  针对上述有关JSR 308的内容,[url=http://www.michaelnygard.com]Michael Nygard[/url]写了一篇题为[url=http://www.michaelnygard.com/blog/2008/05/when_should_you_jump_jsr_308_t.html]Java程序员什么时候离身而去?JSR 308就是使大家离开Java的导火索[/url]的帖子,文章表明了他的观点:JSR 308对Java语言本身和Java开发者来说都有较大影响。在这篇帖子中,在给出了几个如何使用注解的例子之后,Nygard说JSR 308和Java 1.5中引入的范型技术一起都大大增加了Java语言的复杂性,但这些复杂性却没有为Java带来一点点益处:
  [quote]每种语言都有复杂度预算。Java语言的复杂度预算一下就被Java 5引入的范型给打破了。再认真端详下面的代码:

@NotEmpty List<@NonNull String> strings = new ArrayList<@NonNull String>()>




  这还像Java吗? 复杂度预算就像后视镜上淡淡的污渍一样被人忽视。现在,我们只是写出更冗长的代码以提供更详尽的语义信息给编译器,使它能高兴轻松的执行编译工作,可是我们却完完全全忘记了我们真正开发的项目本身到底是什么。[/quote]

  更令Nygard不安的是,他注意到JSR 308出现的时间正好是软件开发者们对动态语言越来越感兴趣的时候:
  [quote]所有这些都说明目前已到了对于Java语言来说可能是最糟糕的时候。目前,整个软件开发界都在对动态语言大加赞赏。上面代码兜了一大圈,如果换成采用动态语言,我们只须:

var strings = ["one", "two"];


  说实在的,上面两种代码,你希望选用哪一种?毫无疑问,动态语言版的不需要我们借助编译器的辅助去满足某些强制性条件。当然,使用动态代码确实需要进行更多的单元测试。可是我还是喜欢使用动态语言,我宁愿选择“不讲究繁文缛节”而不是“满嘴虚礼”。 [/quote]


  Nygard 相信:一旦JSR 308成为Java语言的一部分,Java开发者们就会转向其他语言。Nygard的结论是:
  [quote]因此,对Java语言的升级、修订应该赶快回到Java开发者的主流技术认识上......看上去似乎只有两种选择:更动态或者更静态。要么更形式化、更严格,要么更随意、更简明。无疑,JSR 308将彻底加速这种分化。[/quote]

  意料之中地,上面的观点招致了[url=http://java.dzone.com/articles/when-should-you-jump-jsr-308-t]很多评论员[/url]的不同反应。有评论员发现注解对于开发者来说是一条便捷的“迂回之路”,开发者不用再花大把力气去阅读大量的API文档,可以只集中精力关注思考他们自己的任务。对此,cfagan 作出了回应:
  [quote]说到底,代码才是“最根本”的文档。代码中包含的注解清楚表明了代码编写者的意图。当没有及时更新或者有遗漏的时候,恰恰是注解中包含的意图信息,最容易在其他文档中被丢失。无论采用什么语言,我赞成“出众的才能产生上好的结果”这种说法。将运行时的错误转到编译阶段,不但可以加速开发进程,还可以节省测试时检查bug的时间。 [/quote]

  [url=http://hr.reddit.com/r/programming/info/6iguh/comments]Josef谈到了[/url]注解其实是一种并不要求一定要使用的可选项,同时还谈了他自己关于注解被采纳的可能途径的看法。他讲到:
  [quote]Nygard的观点似乎认为JSR 308被采纳后,注解就变成了必须使用的语言元素,所有Java开发者都必须马上开始书写带有注解的Java代码。但是我预计:一开始,几乎不会有Java程序员使用注解。只会有那些需要书写高确信性软件的公司才会立刻开始使用注解。因为这些公司需要注解所提供的功能来详细说明正确性条件,并对这些正确性条件进行自动检查或半自动检查。 [/quote]

  Josef还解释了注解与范型的区别之处:
  [quote]JSR 308中的注解是可以缺省的,这是件好事。对于范型来说这当然不行,否则你就不会知道程序中要使用什么类型。但是对于JSR 308中的注解来说,即使不关注它们,程序员也可以顺顺当当的往下写代码。只有在你使用检查器时,才需要真正考虑注解的事情。[/quote]
  JavaOne大会上“即将到来的Java编程语言的变化”的介绍者们总结了一些主要原则,使用这些原则可以对那些加入Java语言中的新特性进行评估。这些原则如下:
    [color=cyan]鼓励高级实践(作正确的事)
    追求清晰(把事情做好)
    静态类型优先(保持安全性)
    语言与API分离(保持抽象性) [/color]

  用以上的原则来衡量,JSR 308看上去与Java语言的未来方向很“合拍”。最近这些关于“JSR 308新特性的加入”的讨论或许表明对于上述四条原则的解释存在某种程度的分歧。另一方面,这些讨论或许也能充分说明大家对引领Java语言前进的四条原则的关心。
双向全桥CLLC谐振变换器仿真模型(Simulink仿真实现) 内容概要:本文系统介绍了双向全桥CLLC谐振变换器的Simulink仿真模型,重点阐述了变频控制、闭环仿真及其与多种电力电子拓扑(如维也纳整流器、DAB变换器、图腾柱PFC等)的联合仿真设计。资源包涵盖2.5kW双向全桥LLC、V2G电动汽车充放电系统、三相PFC、多相交错LLC等多种变换器的仿真案例,并深入展示了三电平VIENNA整流器在双闭环PI控制与SVPWM调制策略下,结合上下电容电压差值补偿实现中点电位平衡的先进控制方法。通过仿真验证,该策略不仅有效维持了800V直流母线电压的稳定,还在动态工况下显著提升了电容电压的均衡度,同时保持了较低的输入电流THD,充分体现了SVPWM与中点平衡控制协同优化的技术优势。; 适合人群:具备电力电子与自动控制理论基础,从事新能源发电、电动汽车、工业电源、微电网等领域的研究生、工程师及科研人员。; 使用场景及目标:① 学习并构建高频谐振变换器(如LLC、CLLC)的Simulink仿真模型,掌握其变频与混合控制策略;② 深入理解并应用中点电位平衡、双闭环PI控制、SVPWM调制等核心技术于VIENNA等三电平变换器中;③ 复现高水平期刊论文中的控制算法,服务于科研项目申报、学术论文撰写或工程产品开发。; 阅读建议:该资源为综合性仿真资料库,建议使用者结合自身研究方向(如电动汽车充电、新能源并网)选择对应案例进行精学,重点关注控制策略的设计逻辑、仿真参数的整定方法以及SVPWM与中点平衡的协同机制,并充分利用附带的计算书和参考文献深化理解,以实现从仿真模型到实际工程应用的顺利转化。 立即下载

相关推荐

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

全桥LLC谐振(变频+移相混合控制)变换器闭环仿真模型(Simulink仿真实现)

java jsr_JSR 308解释:Java类型注释

类型注释和示例用例的好处。 Java SE 5中的Java中引入了注释,它提供了一种语法元数据形式,可以将其添加到程序构造中。 注释可以在编译时进行处理,并且它们对代码的操作没有直接影响。 但是,它们有许多用例。 例如,他们可以在编译时为开发人员生成参考消息,检测错误或抑制警告。 此外,可以处理批注以生成可用于修改带批注代码的Java源文件或资源。 后者有助于减少应用程序必须维护的配置资源...

1044

AI办公Agent技术:文档与表格智能处理实践

办公自动化技术正从规则驱动转向语义理解,大语言模型(LLM)为办公Agent赋予了智能决策能力。这类系统通过五层架构整合自然语言处理、工具API调用和任务规划引擎,能自动完成文档分类、表格分析等高重复性工作。关键技术包括基于TF-IDF和BERT的特征提取、Excel公式自动生成等,在财务报告、法律审查等场景可实现90%以上的效率提升。随着多模态能力和领域专业化发展,办公Agent正在重塑企业文档处理流程,成为数字化转型的核心基础设施。

weixin_30263277的博客 521

java jsr305,JSR305与JSR308(Java类型Anotations) - 哪个将成为标准?

There seem to be two different JSRs for annotations.Both seem to be oriented towards static code analysis.Do you know:which of the both is going to be either in Java SE 7 or Java EE 6?how "stable" is ...

weixin_35305499的博客 359

关于Oxford Radar RobotCar Dataset的学习笔记

https://oxford-robotics-institute.github.io/radar-robotcar-dataset/documentation 简介 雷达是 Navtech CTS350-X 调频连续波 (FMCW) 扫描雷达,在所使用的配置中提供 4.38 cm 的距离分辨率和 0.9 度的旋转分辨率,范围高达 163 m,同时提供对天气条件的稳健性这可能会给其他传感器模式带来麻烦。在其他配置中,Navtech CTS350-X 可以提供超过 650 m 的范围和更高的旋转速度。然而,对

禾烁的博客 5298

使用python对创芯科技CANalyst-II分析仪进行二次开发(详细教程)

使用python对创芯科技CANalyst-II分析仪进行二次开发

ningqingzy的博客 1万+

JSR-308和Checker框架为jOOQ 3.9添加了更多类型安全性

Java 8引入了JSR-308,它为Java语言添加了新的注释功能。 最重要的是:键入注释。 现在可以像下面这样设计怪物了: 比注解更疯狂的是类型注解。 在数组上。 谁认为这是有效的Java代码? pic.twitter.com/M9fSRRerAD — Lukas Eder(@lukaseder) 2016年3月20日 该推文中显示的代码确实可以编译。 现在可以注释每种...

最佳 Java 编程 264

Mathcad在LLC谐振变换器设计中的公式推导实战

本文通过Mathcad软件,详细演示了LLC谐振变换器设计的核心公式推导实战。文章阐述了如何利用Mathcad作为“会思考的草稿纸”,从定义基本参数、应用基波近似法(FHA)模型,到逐步推导电压增益公式及确定工作边界频率(fmin, fmax),并展示了如何通过动态参数扫描进行优化设计,帮助电源工程师高效、直观地完成理论计算,为后续仿真与实现奠定坚实基础。

q1w3e5r7t9y的博客 298

java检查注入sql框架_Java:检查器框架

java检查注入sql框架 我在JavaOne 2012上 了解的有趣的工具之一是Checker Framework 。 Checker Framework的网页之一 指出 ,Checker Framework“增强了Java的类型系统,使其更加强大和有用”,从而使软件开发人员“能够检测并防止Java程序中的错误”。 查看Checker框架的一种方法是,实现JSR 305 (“软件缺陷检测批注...

最佳 Java 编程 564

RK3588部署Zipformer模型问题总结

本文分享了在RK3588嵌入式设备上部署小米Zipformer语音识别模型时遇到的问题及解决方法。主要遇到两个问题:1)在rknn_model_zoo例程编译时出现静态库版本不兼容,通过重新编译kaldi-native-fbank库并修改链接路径解决;2)sherpa-onnx编译时提示缺少portaudio库,通过修改编译脚本启用相关宏定义后成功编译。最终成功在RK3588上运行Zipformer模型,测试结果显示该模型具有较好的识别效果和实时性(RTF=0.22),验证了其在边缘设备上的适用性。

pkyang2004的博客 2149

日常工作记录---在虚拟机中进行slam建图

   今天是10月24号,首先祝各位程序员们节日快乐!!!    最近一周由于实习的原因,对ROS的探索学习,停滞了一段时间,所以今天也就没什么大的进展,本篇文章仅仅记录一下,我在虚拟机中进行slam建图可行性验证的过程,本篇文章同样使用古月学院《如何在Gazebo中实现阿克曼转向车的仿真》的课程资料来进行验证    下面各条之间并没有严格的顺序关系,每一条都是独立的,都是我在验证过程中的经验或者记录:    1、在运行roslaunch bringup racecar_gazebo_rviz.lau

慕羽★的博客 4829

工作中使用到的单词(软件开发)

1.エイリアス   alias 别名 powershell使用 get-help 命令时,会得到与此命令 相关(别名)的命令 2.プロキシ proxy 代 理 3.プロモート   promote 促进,提升   开发的系统新功能上线发布,有时会使用到这个词,比如 STプロモート 还有使用リリース这个词的。比如STリリース。个人认为两者含义相同。 4.見逃し み................................................................

sun0322 6万+

Open3D点云数据处理(五):点云、mesh可视化(draw_geometries方法)

本文介绍了Open3D中的draw_geometries可视化方法,可以用于可视化点云和mesh。详细讲述了该方法的各个参数的作用,给出了代码示例。

孙悟空 3140

JAVA比C++更快?

[color=blue][size=large]首先:[/size][/color]我必须承认,我取[color=red]JAVA比C++更快?[/color]为标题是有点故意吸引眼球的意思. 事实上在本文中,我的主要目的不是为了证明或否定[color=red]JAVA比C++更快[/color]这一个结论(事实上标题中的"?"已经隐含了这一点),而是通过引用几位JAVA大牛的文章深入JI...

JavaSxy的专栏 766

【Unity】网络游戏实战(序章)MMORPG大型多人在线角色扮演 + 中国象棋联网对战

本系列会基于两种常见的网络游戏类型(MMORPG大型多人在线角色扮演和多人棋牌),从零开始实现网络游戏开发中的大多数环节。【杜绝代码炫技】本系列杜绝代码炫技,摈弃那些高深的设计模式,一切业务逻辑的实现代码追求浅显易懂,即便是网络编程菜鸟,也能循序渐进掌握本系列的核心要点。【授之鱼也授之渔】与一些开源库那样只授予源码不同,本系列还会基于各个技术要点展开详解,并结合切实的可直接运行的Demo,授之鱼更授之渔。

神码编程 1963

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');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

[转载]Streaming API for XML (StAX) 简介

Streaming API for XML (StAX) 是用 Java™ 语言处理 XML 的最新标准。作为一种面向流的方法,无论从性能还是可用性上都优于其他方法,如 DOM 和 SAX。本系列分为 3 部分,本文是第 1 部分,简要介绍了 StAX 及其处理 XML 的基于指针的 API。 StAX 概述 从 一开始,Java API for XML Processing (JAXP...

JavaSxy的专栏 470

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

网络词汇表

【协议 】--- protocol,指通信双方通信时遵守的一系列约定或规范。 【资源子网 】---计算机网络从信息的不同处理方式分为通信子网和资源子网,资源子网指互联的主机对面向用户的信息进行处理的实体的集合。 【通信子网 】---控制信息在网络上从一方传递到另一方的软硬件资源的集合。 【IMP 】---Interface Message Processor,接口报文处理机,指通信子网中对...

JavaSxy的专栏 393

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

61条面向对象设计的经验原则

你不必严格遵守这些原则,违背它们也不会被处以宗教刑罚。但你应当把这些原则看成警铃,若违背了其中的一条,那么警铃就会响起。 -----Arthur J.Riel          (1)所有数据都应该隐藏在所在的类的内部。p13    (2)类的使用者必须依赖类的共有接口,但类不能依赖它的使用者。p15    (3)尽量减少类的协议中的消息。p16    (4)实现所有类都理解的最基本公有...

JavaSxy的专栏 369

Java:进化的尽头

  [color=red]原文地址[/color]:[url]http://blog.youkuaiyun.com/beckel/archive/2008/05/27/2488305.aspx[/url] Java: Evolutionary Dead End January 3, 2008   我在比利时安特卫普举办的Javapolis大会上刚做完一个主题演讲。现在是周五早上,前一天Jos...

JavaSxy的专栏 333

使用StAX解析XML: 拉式解析和事件

2007 年 7 月 05 日 Streaming API for XML (StAX) 的基于事件迭代器 API 无论在性能还是在可用性上都有其他 XML 处理方法所不及的独到之处。第 1 部分介绍了 StAX 并详细讨论了它的基于指针的 API。本文进一步讨论基于事件迭代器 API 及其为 Java™ 开发人员带来的好处。   第 1 部分(请参阅 参考资料 ) 提到,StAX 提供...

JavaSxy的专栏 328

使用StAX解析XML:使用定制事件和编写 XML

除了提供一个低层的基于指针的 API 之外,StAX 还提供了一个功能强大的基于迭代器的方法,它通过使用事件对象传送关于解析流的信息,以处理 XML。本系列的第 2 部分 详细研究了这种 API 并提供了一些使用它的例子。在本篇文章中,将介绍定制化技术,该技术使用由应用程序定义的事件,您还将看到如何创建定制事件类并使用它们结合基于事件迭代 器的 API 来处理 XML。最后(同样也是重要的一点),...

JavaSxy的专栏 255

浅谈HTTP的无状态性

        HTTP是Hyper Text Transfer Protocol的缩写,顾名思义,这个协议支持着超文本的传输。那么什么是超文本呢?说白了就是使用HTML编写的页面。通常,我们使用客户端浏览器访问服务器的资源,最常见的URL也是以html为后缀的文件。因此,我们可以说超文本是网络上最主要的资源。         既然HTTP协议的目的在于支持超文本的传输,更加广义一些就是支持资...

JavaSxy的专栏 225

用动态代理进行修饰

      动态代理为实现许多常见设计模式(包括 Facade、Bridge、Interceptor、Decorator、Proxy(包括远程和虚拟代理)和 Adapter 模式)提供了替代的动态机制。虽然这些模式不使用动态代理,只用普通的类就能够实现,但是在许多情况下,动态代理方式更方便、更紧凑,可以清除许多手写或生成的类。 Proxy 模式 Proxy 模式中要创建“stub”或“surr...

JavaSxy的专栏 204
上一篇: 八皇后问题的Scala解法
下一篇: Java与Scala中的闭包
JavaSxy
博客等级 码龄21年 1粉丝 25原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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