struts2整合freemarker生成静态页面

本文介绍如何在Struts2框架中集成Freemarker模板引擎,并通过示例展示如何生成静态HTML页面。

1.web.xml加入如下配置 <servlet>
     <servlet-name>JspZSupportServlet</servlet-name>
     <servlet-class>org.apache.struts2.views.JspSupportServlet</servlet-class>
     <load-on-startup>1</load-on-startup>
    </servlet>

为的是能在ftl文件中使用struts2的标签或者jsp相关的东西

2.新建一个工具类 StaticFreemarker.java-------------------------

public class StaticFreemarker {

 public static void createHTML(ServletContext context,Map<String,Object>data,String templatePath,String targetHtmlPath){
  Configuration cfg = new Configuration();
  cfg.setServletContextForTemplateLoading(context, "/WEB-INF/");
  cfg.setEncoding(Locale.getDefault(), "GB2312");
  Writer out = null;
  try {
   Template t = cfg.getTemplate(templatePath, "GB2312");
   t.setEncoding("GB2312");
   
   //静态页面路径设置
   String htmlPath = context.getRealPath("/html")+"/"+targetHtmlPath;
   File htmlFile = new File(htmlPath);
   out = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(htmlFile),"UTF-8"));
   t.process(data, out);
   
  } catch (Exception e) {
   // TODO Auto-generated catch block
   e.printStackTrace();
  } finally{
   if(out != null){
    try {
     out.flush();
     out.close();
    } catch (IOException e) {
     // TODO Auto-generated catch block
     e.printStackTrace();
    }
   }
   
  }
  
 }
}

3,创建相应的ftl文件。

4,创建相应的action,一部分代码是

public String createHTML()throws Exception{
  Map<String,Object> data = new HashMap<String,Object>();
  data.put("name", "张三");
  data.put("address", "北京海淀");
  data.put("name1", "李四");
  data.put("address1", "上海");
  
  List<Person> persons = new ArrayList<Person>();
  for(int i = 1; i <= 30; i++){
   Person p = new Person();
   p.setId(i);
   p.setName("张三" + i);     //data的数据就是上面的ftl模板文件所要用到的数据
   p.setAge("23");
   p.setSex("男");
   persons.add(p);
  }
  data.put("persons", persons);
  StaticFreemarker.createHTML(request.getSession().getServletContext(), data, "success.ftl", "success.html");
  return SUCCESS;
 }

 

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
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