Day 17 (反射)

本文详细介绍了Java反射机制的基础概念,包括Class类的作用、如何通过不同方式获取Class实例、使用ClassLoader加载配置文件的方法、如何利用反射创建对象以及如何通过反射获取指定的属性、方法和构造器。

目录

 一、关于Class类

二、使用ClassLoader加载配置文件

三、创建运行时类的对象

四、获取指定的属性、方法和构造器


 一、关于Class类

1、类的加载过程:
      程序经过javac.exe-->生成一个或多个字节码文件(.class结尾)-->java.exe命令对某个字节码文件及逆行解释运行,相当于将该字节码文件加载到内存中
     加载到内存中的类,就是运行时类,这个运行时类,就是Class的一个实例。
2、Class实例就对应着一个运行类 
3、加载到内存中的运行时类,会缓存一定的时间,我们可通过不同的方式来获取此运行时类

获取Class类的实例 :

        //Person是自定义的类

        //方式一:调用运行时类的属性 .class
        Class clazz1 = Person.class;
     
        //方式二:通过运行时类的对象,调用getClass()
        Person p1 = new Person();
        Class clazz2 = p1.getClass();
       
        //方式三:调用Class的静态方法:forName(String classPath)
        Class clazz3 = Class.forName("test.Person");
       

        System.out.println(clazz1 == clazz2); //true
        System.out.println(clazz1 == clazz3); //true

二、使用ClassLoader加载配置文件

    @Test
    public void test3() throws IOException {
        Properties pros = new Properties();
        //读取配置文件  方式一:  此时的文件默认在当前的module下
        //FileInputStream fis = new FileInputStream("jdbc.properties");
        //pros.load(fis);
        //读取配置文件  方式二:  使用当前类的ClassLoader  配置文件默认识别为当前module的src下
        ClassLoader classLoader = ClassLoaderTest.class.getClassLoader();
        InputStream is = classLoader.getResourceAsStream("jdbc1.properties");

        pros.load(is);

        String user = pros.getProperty("user");
        String password = pros.getProperty("password");

        System.out.println("user="+user+",password="+password);
    }

三、创建运行时类的对象

clazz.newInstance();方法过时 --> clazz.getDeclaredConstructor().newInstance();

        //Person是一个类

        Class<Person> clazz = Person.class;

        //clazz.newInstance()方法过时-->replaced by--> clazz.getDeclaredConstructor().newInstance()

        Person person = clazz.getDeclaredConstructor().newInstance();
        System.out.println(person);

四、获取指定的属性、方法和构造器

1、获取指定的属性:

        //Person是自定义的类

        Class<Person> clazz = Person.class;
        //1、创建运行时类的对象
        Person p = clazz.getDeclaredConstructor().newInstance();
        //2、获取指定的属性   getDeclaredField(String fieldName):获取指定变量名的属性
        Field name = clazz.getDeclaredField("name");

        //3、setAccessible(true):保证当前属性是可访问的
        name.setAccessible(true);
        //4、设置指定对象的此属性值
        name.set(p,"harry");
        System.out.println(name.get(p)); 

2、获取指定的方法

       Class<Person> clazz = Person.class;
        //1、创建运行时类的对象
        Person p = clazz.getDeclaredConstructor().newInstance();

        //2、获取指定的方法  getDeclaredMethod(参数一,参数二) 参数一:指明要获取的方法的名称,参数二:指明获取方法的形参列表
        Method show = clazz.getDeclaredMethod("show", String.class);
        //3、setAccessible(true):保证当前属性是可访问的
        show.setAccessible(true);


        //3、调用该方法
        //invoke(参数1,参数2) 参数1:方法的调用者 参数2:给方法形参赋值的实参 ;
        //show.invoke(p,"china");
        String str = (String) show.invoke(p,"china");  //获取show()方法中的返回值
        System.out.println(str);


        //如果调用的运行时类中的方法没有返回值,则此invoke()返回值为null   这里shows()方法在Person类中修饰为static
        Method shows = clazz.getDeclaredMethod("shows");
        shows.setAccessible(true); //保证盖方法是可访问的
        Object returnValue = shows.invoke(Person.class);  //无形参列表,则只传递对象

3、获取指定的构造器

        Class<Person> clazz = Person.class;
        //1、获取指定的构造器  getDeclaredConstructor(参数1) 参数1:指明构造器的参数列表
        Constructor<Person> declaredConstructor = clazz.getDeclaredConstructor(String.class);
        //2、保证此构造器是可访问
        declaredConstructor.setAccessible(true);
        //3、调用此构造器创建运行时类的对象
        Person person = declaredConstructor.newInstance("Jerry");

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