struts2之Action配置

本文详细介绍了Struts2框架中的包管理和命名空间概念,包括如何使用<package>元素进行配置,以及Action的基本配置方法。同时,还探讨了动态方法调用(DMI)和通配符在Action配置中的应用。

1.包和命名空间

1.1包

struts2使用包来管理其核心组件,如Action,拦截器等。在struts.xml中,使用<package …>来定义包,在<package…>中,配置Action,拦截器,全局参数等。<package…>元素,可以有以下属性:

  • name:必需属性,指定包的名字,也是被其他包引用的唯一key。
  • extends:可选属性,指定该包继承其他包。继承了其他包,可以继承其他包中的Action定义,拦截器定制等。一般情况下,我们自己定义的包,会直接或间接地继承struts.core中的struts-default包。struts-default包中,定义了一些常用的拦截器等。
    • 注意:因为struts2配置文件是从上到下处理的,所以父包应该在子包前面定义
    • 所有的struts2插件文件都会提供一个struts-plugin.xml文件,不同插件的struts-plugin.xml文件定义另一个抽象包,用于被需要使用该插件的程序继承。
  • namespace:可选属性,指定包的命名空间
    • 命名空间是为了处理同一个web应用中包含同名的Action的情形,struts2以命名空间的方式来管理Action,同一个命名空间里不能有同名的Action,不同命名空间里可以有同名的Action
    • 不能为单独的Action设置命名空间,只能以包为单位,包中所有的Action使用共同的命名空间
  • abstract:可选属性,指定是否是一个抽象包。抽象包中不能定义Action,一般由其他包来继承。

下面是struts官方给出的struts2-blank示例中,包的定义:

    <package name="default" namespace="/" extends="struts-default">

        <default-action-ref name="index" />

        <global-results>
            <result name="error">/error.jsp</result>
        </global-results>

        <global-exception-mappings>
            <exception-mapping exception="java.lang.Exception" result="error"/>
        </global-exception-mappings>

        <action name="index">
            <result type="redirectAction">
                <param name="actionName">HelloWorld</param>
                <param name="namespace">/example</param>
            </result>
        </action>
    </package>

以上定义了一个名为default的包,继承了struts-default包,命名空间为”/”。在default包中,定义了三个全局参数及一个Action

1.2命名空间

当某个包指定了命名空间之后,该包下所有的Action的访问路径应该为:namespaceName/ActionName.action
即,如果有这样一个Action:

<package name="default" namespace="/abc/def">
    <action name="index">
    ...
    </action>
</package>

上面index.action的访问路径就应该是:/abc/def/index.action
如果在/abc/def命名空间里,没有找到index这个Action,则会在默认命名空间中去找,如果还是没有找到index,则会报错,而不是在/abc/def下找不到,就去/abc下找,这里要注意。

2.Action的基本配置

Action的配置,是使用<action…>标签定义,以子标签的方式存在<package…>标签中

<package ...>
    <action name="index" class="demo.DemoClass" method="index">
        <result ...>
        <result ...>
    </action>
</package>

以上定义了一个名为index的Action,对应的类为demo.DemoClass,处理这个Action,是类DemoClass中的index()方法:

  • name:必须属性,和包中定义的命名空间一起,定位到一个action
  • class:可选属性,指定这个action的处理类,如果不写,则使用struts2提供的默认处理类Actionsupport类
  • method:可选属性,action对应处理类中的处理方法,如果不写,则使用默认的处理方式excute()

在<action>元素中,有一个<result>元素,这里是定义逻辑视图的地方,后面会有专门的文章来讨论这个视图。

3.使用Action的动态方法调用

动态方法调用,高级的说法是DMI(Dynamic Method Invocation),是指表单元素的action并不是直接等于某个Action的名字,而是以如下形式来指定表单的action属性:

//actionName指action名,methodName指处理方法名
action = "actionName!methodName"

struts2的动态方法调用,默认是关闭,所以,在使用前,必须先在配置文件中开启,即设置struts.enable.DynamicMethodInvocation常量的值为true,以下是在struts.xml中配置的示例

<constant name="struts.enable.DynamicMethodInvocation" value="true" />

但是由于动态方法调用存在一些安全方面的缺陷,应该尽量少用,而使用通配符方式

4.指定method属性及使用通配符

4.1指定method属性

在实际开发中,一般对于Action的处理类,会根据模块或功能划分,如有处理用户的UserAction,有处理商品的CommodityAction等,在这些Action处理类中,使用不同的方式来处理不同的操作,如果UserAction类中,使用login()方法来处理登录,使用update()方法来处理修改信息等,在配置文件中,通过<action>的name来区分Action,method来区分处理方法,定义如下:

<action name="login" class="demo.UserAction" method="login">
    <result>login.jsp</result>
</action>
<action name="update" class="demo.UserAction" method="update">
    <result>update.jsp</result>
</action>

从上面可以看出,这两个Action的处理类是相同的,不同的是name和method属性,以及结果视图的页面。以此达到使用同一个处理类处理不同操作的目的

4.2使用通配符

从上面的例子可以看出,这两个Action的大部分内容是相同的,而且这里只是写了两个Action,在实际开发中,可能会出理很多个Action都使用同一个处理类,如果全部都这样写的话,就需要写很多的Action定义。在这个时间,就可以使用通配符的方式:
在配置<action>元素时,允许在指定name属性时使用模式字符串(即用“*”代表一个或多个任意字符)接下来就可以在class,method属性及result中使用 {N} 来代表前面第N个星号(*)所匹配的字符串

<action name="*_*" class="demo.{1}Action" method="{2}">
    <result>{2}.jsp</result>
</action>

根据以上配置,如果访问的url是:User_update,则处理类就是demo.UserAction,method就是update,返回页面为update.jsp

基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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