基于struts2拦截器的权限控制系统1——后台方法的拦截

本文介绍如何使用Struts2拦截器实现细粒度权限控制,通过自定义注解及拦截器配置,确保用户只能访问其拥有权限的功能。

本文章只讲述struts2拦截器在权限控制中的作用,对应权限系统的数据库设计不做讨论

 

为了实现细粒度的权限控制,需要对struts2中action的方法进行拦截,这里我们用到了annotation注解的方式。

 

在action的方法上面添加自定义注解,具体例子如下:

 

@Access(privilegeValue="RoleQuery")
 public String list(){
   //处理分页显示

 }

 


 

上面的Access注解是自定义的,具体代码如下:

 

/**
 * 权限注解
 * 该注解添加到action的方法上
 */

@Retention(RetentionPolicy.RUNTIME)
@Target(ElementType.METHOD)
public @interface Access {
 /**
  * 权限值(访问某个Action方法所需的权限)
  */
    String privilegeValue();
}

 


 

接下来讲一讲struts2拦截器是如何对该方法进行拦截的

 

首先看看struts2配置文件中拦截器的配置

 

 

<!-- 把需要被拦截的action统一放在manager这个package下,不需要拦截的action(比如登录)放另外的package下 -->

<package name="manager"  extends="struts-default">
 
  <interceptors>
            <!-- 权限拦截器 -->
            <interceptor name="access" class="accessInterceptor"></interceptor>
            <interceptor-stack name="my-default">
                <interceptor-ref name="access"></interceptor-ref>
                <interceptor-ref name="defaultStack"></interceptor-ref>
            </interceptor-stack>
  </interceptors>
  <default-interceptor-ref name="my-default"></default-interceptor-ref>
 
  <global-results>
   <result name="success">/WEB-INF/page/share/message.jsp</result>
   <result name="login" type="redirectAction">login</result>
   <result name="NoPrivilege">/WEB-INF/page/share/noPrivilege.jsp</result>
  </global-results>
  
  
  <action name="managerAction" class="managerAction">
   <result name="list">/WEB-INF/page/privilege/manager/manager_list.jsp</result>
   <result name="addUI">/WEB-INF/page/privilege/manager/manager_add.jsp</result>
   <result name="authorizationUI">/WEB-INF/page/privilege/manager/authorization.jsp</result>
  </action>


  <action name="roleAction" class="roleAction">
   <result name="list">/WEB-INF/page/privilege/role/role_list.jsp</result>
   <result name="addUI">/WEB-INF/page/privilege/role/role_add.jsp</result>
   <result name="updateUI">/WEB-INF/page/privilege/role/role_update.jsp</result>
  </action>

 </package>

 

 


 

再看一看accessInterceptor这个拦截的具体代码:

 

public class AccessInterceptor implements Interceptor {

    public void init() {
    }

    public void destroy() {
    }

 

    public String intercept(ActionInvocation invocation) throws Exception {
       
     Map session=ActionContext.getContext().getSession();
     /**
         * 获取用户信息
         */
     Manager manager = (Manager) session.get("MANAGER");
        /**
         * 用户未登录直接返回登录页面
         */
        if(manager==null){
         return "login";
        }
        /**
         * 获取用户的权限值,登录的时候就从数据库取出来保存到session中
         */
        List<String> privilegeValues=(List<String>)session.get("PRIVILEGES");
        /**
         * 获取此次调用的方法名
         */
        String method = invocation.getProxy().getMethod();
        /**
         * 获取所有已注解方法
         */
        List<Method> methods = AnnotationUtils.findAnnotatedMethods(invocation
                .getAction().getClass(), Access.class);
        /**
         * 迭代所有已注解方法
         */
        for (Method m : methods) {
            if (m.getName().equals(method)) {
                /**
                 * 获取被调用方法的注解
                 */
             Access access = m.getAnnotation(Access.class);
                String s = access.privilegeValue() ;
                if (privilegeValues.contains(s)) {
                    return invocation.invoke();
                }else{
                 return "NoPrivilege";
                }
            }
        }
        /**
         * 没有对方法进行注解,不拦截此次请求
         */
        return invocation.invoke();

    }


}

 

用拦截器进行后台方法级的权限控制到这里就讲完了,下次再讲一讲关于前台对于html元素的权限拦截(基于自定义JSP标签)

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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