DirectJNgine与Coop整合

本文深入探讨了如何在DirectJNgine与Coop之间进行整合,通过分析源码,重点介绍了代码扩展点、配置方式及组件ID获取机制。详细阐述了CoopDispatcher类的作用及其在实现两者整合过程中的关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

将来可能需要处理DirectJNgine与Coop的整合,看了一下DirectJNgine的源码,初步找到以下扩展点可以利用。代码如下:

1. Java类
package bobbyyu.djn;

import java.util.HashMap;
import java.util.Map;

import com.softwarementors.extjs.djn.api.RegisteredMethod;
import com.softwarementors.extjs.djn.router.dispatcher.Dispatcher;

import coop.bootstrap.Service;
import coop.container.Component;
import coop.container.Container;
import coop.container.context.Context;
import coop.el.EL;

@Component(id = "coopDispatcher", context = Context.Application)
public class CoopDispatcher implements Dispatcher {
private CoopDispatcher me;
private Map<Class<?>, String> idMap = new HashMap<Class<?>, String>();

public Object dispatch(RegisteredMethod method, Object[] args ) {
Class<?> actionCls = method.getActionClass();
String compId = idMap.get(actionCls);
if(compId == null) {
if(me == null)
me = Service.adapt(EL.eval("#{coopDispatcher}"), CoopDispatcher.class);
compId = me.getComponentId(actionCls);
if(compId != null)
idMap.put(actionCls, compId);
}
if(compId == null)
return null;
return EL.invoke("#{" + compId + "." + method.getName() + "}", args);
}

public String getComponentId(Class<?> type) {
Context[] contexts = Container.getInstance().findRegisteredContexts(type);
if(contexts.length == 0)
return null;
return contexts[0].getDescriptor(type).getComponentId();
}
}


2. web.xml
<servlet>
<servlet-name>DjnServlet</servlet-name>
<servlet-class>com.softwarementors.extjs.djn.servlet.DirectJNgineServlet</servlet-class>
...
<init-param>
<param-name>dispatcherClass</param-name>
<param-value>bobbyyu.djn.CoopDispatcher</param-value>
</init-param>
...
</servlet>
基于数据挖掘的音乐推荐系统设计实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
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
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