搜索文件或文件内容

public void ProcessRequest(HttpContext context)
    {
        context.Response.ContentType = "text/plain";

        string strkey = context.Request["key"];

        string path = context.Server.MapPath("~/news_html");
        List<FileInfo> listJs = new List<FileInfo>();
        if (!string.IsNullOrWhiteSpace(strkey))
        {
            GetFiles(path, (FileInfo file) =>
            {
                if (file.Extension.Equals(".html") && file.Name.Contains(strkey))
                {
                    listJs.Add(file);
                }
            });
        }
        else
        {
            GetFiles(path, (FileInfo file) =>
            {
                if (file.Extension.Equals(".html"))
                {

                    listJs.Add(file);
                }
            });
        }
        context.Response.Write(JsonConvert.SerializeObject(listJs));
    }

    /// <summary>
    /// 
    /// </summary>
    /// <param name="path"></param>
    /// <param name="fileRule"></param>
    public void GetFiles(string path, Action<FileInfo> fileRule)
    {
        Queue<string> queue = new Queue<string>();
        queue.Enqueue(path);
        while (queue.Count > 0)
        {
            DirectoryInfo dirInfo = new DirectoryInfo(queue.Dequeue());
            foreach (DirectoryInfo dirchildInfo in dirInfo.GetDirectories())
            {
                queue.Enqueue(dirchildInfo.FullName);
            }

            foreach (FileInfo dirfileInfo in dirInfo.GetFiles())
            {
                fileRule(dirfileInfo);
            }
        }
    }


    /// <summary>
    /// 从文件中找关键字
    /// </summary>
    /// <param name="filename"></param>
    /// <param name="word"></param>
    public void FindInFile(string filename, string word)
    {
        System.IO.StreamReader sr = System.IO.File.OpenText(filename);
        string s = sr.ReadToEnd();
        sr.Close();
        string[] temp = s.Split('\n');
        for (int i = 0; i < temp.Length; i++)
        {
            if (temp[i].IndexOf(word) != -1)
            {
                Console.WriteLine(string.Format(
                "Found in: {0}\n{1}\nLine: {2} \n",
                filename, temp[i].Trim(), i + 1));
            }
        }
    }
    /// <summary>
    /// 从文件夹中找关键字
    /// </summary>
    /// <param name="foldername"></param>
    /// <param name="word"></param>
    public void FindInDirectory(string foldername, string word)
    {
        System.IO.DirectoryInfo dif = new System.IO.DirectoryInfo(foldername);
        //遍历文件夹中的各子文件夹
        foreach (System.IO.DirectoryInfo di in dif.GetDirectories())
        {
            FindInDirectory(di.FullName, word);
        }
        //查询文件夹中的各个文件
        foreach (System.IO.FileInfo f in dif.GetFiles())
        {
            FindInFile(f.FullName, word);
        }
    }

    public bool IsReusable {
        get {
            return false;
        }
    }

 

转载于:https://www.cnblogs.com/prolion/p/7753722.html

【含储能及sop的多时段配网优化模型】基于柔性开断点(Soft Open Point)的主动配电网电压与无功功率协调控制方法研究(Matlab代码实现)内容概要:本文围绕“含储能及SOP的多时段配网优化模型”,重点研究基于柔性开断点(Soft Open Point, SOP)的主动配电网电压与无功功率协调控制方法,并提供了完整的Matlab代码实现。研究整合了储能系统与SOP设备,通过多时段优化模型提升配电网的电压稳定性与无功调节能力,有效应对可再生能源接入带来的波动性问题。文中详细阐述了优化模型的构建过程,包括目标函数设定、约束条件处理及求解算法设计,强调了SOP在灵活调节功率流动、改善网络潮流分布方面的关键作用。同时,结合实际配电网场景进行仿真验证,展示了该方法在降低网损、提升电压质量等方面的优越性能。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事智能配电网、储能优化、SOP应用等相关领域的工程技术人员;熟悉优化建模与电力系统分析的专业人士; 使用场景及目标:①用于主动配电网中电压越限与无功不平衡问题的协调控制研究;②支撑含高比例分布式电源的配电网优化运行策略设计;③为储能与SOP联合配置与调度提供仿真验证平台;④适用于学术论文复现、课题研究及电力系统优化项目开发; 阅读建议:建议读者结合文中提供的Matlab代码逐模块分析,重点关注SOP的数学建模、目标函数构建及优化求解流程,同时可拓展至多场景、多目标优化方向进行深入研究。
【复现】基于非奇异终端滑模和扩张状态观测器的导弹制导跟踪设计,机动目标制导律设计研究(Matlab代码实现)内容概要:本文介绍了基于非奇异终端滑模控制和扩张状态观测器的导弹制导律设计方法,旨在实现对机动目标的高精度跟踪。通过Matlab代码复现相关算法,详细展示了制导系统的设计流程与仿真验证过程,重点解决了传统滑模控制中存在的奇异性问题,并利用扩张状态观测器对目标的未知扰动和加速度进行实时估计与补偿,从而提升制导系统的鲁棒性和跟踪精度。文中涵盖了控制系统建模、滑模面设计、稳定性分析及仿真结果对比等内容,体现了先进控制理论在导弹制导中的实际应用价值。; 适合人群:具备自动控制理论基础、飞行器设计制导导航与控制(GNC)背景的研究生、科研人员及从事航空航天工程的技术人员。; 使用场景及目标:①学习非奇异终端滑模控制在高动态系统中的设计与实现方法;②掌握扩张状态观测器(ESO)对系统内外扰动的估计与补偿机制;③通过Matlab仿真理解导弹制导律的全过程建模与性能评估,服务于科研复现、论文写作工程项目开发; 阅读建议:建议读者结合控制理论基础知识,逐步跟进文档中的数学推导与代码实现,重点关注滑模面构造、Lyapunov稳定性证明及仿真参数设置,动手运行并调试代码以加深对制导算法动态响应特性的理解。
【无人机设计与控制】改进型粒子群优化算法(IPSO)的无人机三维路径规划研究(Matlab代码实现)内容概要:本文围绕改进型粒子群优化算法(IPSO)在无人机三维路径规划中的应用展开研究,通过Matlab代码实现算法仿真,旨在提升无人机在复杂环境下的路径规划效率与精度。文中详细阐述了传统粒子群算法(PSO)的原理及其在路径规划中的局限性,进而提出改进策略,包括引入自适应惯性权重、速度变异机制和局部搜索优化等方法,以增强算法的全局搜索能力与收敛速度,避免陷入局部最优。研究构建了三维地形与障碍物模型,将IPSO应用于无人机航迹寻优,并通过仿真实验验证了其相较于标准PSO及其他智能算法在路径长度、安全性与计算效率方面的优越性能。; 适合人群:具备Matlab编程基础,从事无人机控制、智能优化算法路径规划相关研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①为无人机在复杂三维环境中的自主飞行提供高效路径规划解决方案;②为智能优化算法的改进与应用提供实践案例,推动其在航空航天、智能交通等领域的落地;③辅助科研人员复现IPSO算法并进行二次开发与性能对比。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注IPSO的改进策略与路径评价函数的设计,并通过调整参数进行仿真实验,深入理解算法性能变化规律。
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  | 博主筛选后可见
 
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