【web后端(十六)】jsp、servlet_scriptlet脚本、jsp声明块、输出块

本文深入解析JSP中的三种脚本块:scriptlet、声明块和输出块。阐述了它们在JSP页面中的作用及生成的源码位置,帮助读者理解JSP的工作原理。

scriptlet脚本块主要是在service里面定义属性,jsp声明块主要放在类里面的最前面,可以让所有在类里的的方法调用。输出块主要是在类里面的某一个位置,见缝插针去输出的。

scriptlet脚本

<%...%>块,这个块中的代码,会被拷贝到jsp引擎生成的脚本的这个脚本所在位置

<%@ page contentType="text/html;charset=UTF-8" language="java" %>
<html>
​
  <%
  int a = 20;
  %>
  <head>
    <title>$Title$</title>
    <meta charset="utf-8">
  </head>
  <body>
  <%
    out.write(new java.util.Date().toString());
​
  %>
  <form action="/Encoding" method="post">
    <input type="text" name="name"/>
    <input type="submit"/>
  </form>
  </body>
<%
  String name = request.getParameter("name");
  session.getAttribute("name");
  a += 10;
%>
</html>

生成的源码:

 

对比一下scriptlet脚本在页面流中的位置和生成的源码中的位置,实际就是把scriptlet脚本拷贝到源码输出流中对应的位置

jsp声明块

<%!..定义Servlet类中的方法和属性... %>

JSP声明块声明Servlet类中的方法和属性

<%!
  public int sum(int a,int b){
    return a + b;
  }
  %>

生成的源码中声明块的位置

 

输出块

<%="HelloWorld"%> 等同于<%out.println("Hello World ");%>​

 

生成的源代码

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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

打赏作者

-_星耀_-

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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