关于springboot 整合 FreeMaker遇到的大坑

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 700+累计阅读 777平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-07-25 08:39:27 发布 777 阅读 AI 写同款· GEO 优化 ›

Springboot系列-整合Freemaker Springboot系列-整合Freemaker 前言：我们知道虽然现在互联网行业项目正在朝着一种前后端费分离的模式，但是不分离的开发仍然存在，并且在上篇博客中我们提到了Springboot整合Thymleaf,那么什么是Freemaker呢，他又和Thymleaf有什么区别呢？ Freemaker简介 FreeMarker是一款模板引擎：即一种基于模板和要改变的数据，并用来生成输出文本（HTM... 阅读详情

我的配置文件

出现问题：

/projectreview/tolist

ModelAndView modelAndView=new ModelAndView();
 modelAndView.setViewName("/projectreview/tolist");
 return modelAndView;

/salescontract/tolist

ModelAndView modelAndView=new ModelAndView();

modelAndView.setViewName("/salescontract/tolist");

return modelAndView;

会出现问题两个模板的名字竟然出现了冲突他说我重复的解析结果要接着查询到底是怎么回事

我先把其中的一个名字改了着手解决这个问题

浏览器的缓存同样的返回结果页面进行了缓存

两个页面内容一样虽然调的地址不一样的话他会弹出 404

收录于

当前文章被以下社区和专栏收录：

CTF逆向实战：如何快速识别RC4、TEA和Base64的魔改变种？本文针对CTF逆向比赛中常见的加密算法魔改问题，详细讲解了如何快速识别和破解RC4、TEA和Base64的变种。通过分析算法核心特征、常见魔改手法，并结合动态调试与脚本编写等实战技巧，帮助逆向分析人员有效应对算法混淆，提升解题效率。阅读详情

相关推荐

Verilog十大基本功2（testbench的设计文件读取和写入操作源代码）

需求说明：Verilog设计基础内容：testbench的设计读取文件写入文件来自：时间的诗十大基本功之 testbench 1. 激励的产生对于 testbench 而言，端口应当和被测试的 module 一一对应。端口分为 input,output 和 inout 类型产生激励信号的时候， input 对

时间的诗 5万+

一篇很全面的freemarker教程

copy自[url]http://demojava.iteye.com/blog/800204[/url] 以下内容全部是网上收集： FreeMarker的模板文件并不比HTML页面复杂多少,FreeMarker模板文件主要由如下4个部分组成: 1,文本:直接输出的部分 2,注释:格式部分,不会输出 3,插值:即${...}或#{...}格式的部分,将使用数据模型中的部分替代输出...

nojob1year的博客 3785

Unity-Chan Toon Shader卡通渲染学习

2.0 （UTS2）是一款用于图像和视频的卡通着色器，旨在满足从事卡通着色 3DCG 动画的创作者的需求。二、从0-1复刻UTS21.漫反射UTS2的漫反射部分主要有三个层组成，分别是基本颜色、第一阴影色和第二阴影色，分别对应着美术理论中的白、灰、黑。

qq_63133691的博客 2542

yml读取下划线丢失问题

问题在项目中时常需要读取配置文件，例如某个变量会随着环境的不同而不同，在springboot项目中会很容易想到yml的方式。但是最近遇到一个问题，发现下划线被注入的到bean中会丢失下划线，差点引起线上故障，demo如下： @Component public class YmlConfTest { @Value("${id}") private String id; } yml配置文件如下： id : 1_2 但是实际运行中发现id注入的是12，而不是预期的1_2，这就导致问题发生。

超威半导体 4946

多任务学习中的过拟合陷阱：动态停止训练机制详解与避坑指南

本文深入剖析了多任务学习中因任务过拟合不同步导致的性能下降问题，并详细介绍了动态停止-继续训练机制。该机制通过为每个任务设置独立的训练开关，基于验证集性能动态控制其梯度更新，有效缓解了任务间负迁移，是提升多任务模型整体泛化能力的关键策略。

happy2的博客 1092

历年北京理工大学复试专业综合题

。

A place to record sth. 2万+

SpringBoot整合FreeMarker

1FreeMarker的简介 FreeMarker是一款模板引擎：即一种基于模板和要改变的数据，并用来生成输出文本（HTML网页、电子邮件、配置文件、源代码等）的通用工具。它不是面向最终用户的，而是一个Java类库，是一款程序员可以嵌入他们所开发产品的组件。 FreeMarker是免费的，基于Apache许可证2.0版本发布。其模板编写为FreeMarker Template Language（FTL），属于简单、专用的语言。需要准备数据在真实编程语言中来显示，比如数据库查询和业务运算，之后模板显示

javaeEEse的博客 933

私家侦探如何追踪难以找到的人，掌握几个很少人知道的在线免费查询网站，搜索人名、电话号码以及地址的开源网站

私家侦探如何追踪难以找到的人，掌握几个很少人知道的在线免费查询网站，搜索人名、电话号码以及地址的开源网站。

代码讲故事 6487

解决SpringBoot 整合 FreeMaker，不能js，css静态资源的问题

在配置文件中加上： #设定静态文件路径，js,css等 spring.mvc.static-path-pattern=/static/**

XXX 8071

Coffin-Manson模型的详细讲解

Coffin-Manson模型是一个简单而强大的工具，用于预测低循环疲劳寿命，尤其在半导体功率循环中评估热机械可靠性。其核心是通过应变（或温度变化）与循环次数的对数关系，实现加速测试和寿命外推。尽管有局限性，通过改进版本（如加入激活能），它在电子封装、焊点疲劳和器件设计中仍广泛应用。实际使用时，建议结合实验数据拟合参数，并验证模型预测。如果需要特定材料的参数值、代码实现或进一步计算示例，请提供更多细节！

专注于前沿技术的探索与实践，热衷于从代码逻辑、架构设计到行业应用等多维度深挖技术本质。期待在技术之路上与你共同成长～ 2150

10万张数据集持续迭代：YOLO模型的场景专属自进化体系如何搭建？

做工业质检的朋友应该都有过这样的经历——拿着在COCO上刷榜的YOLO模型跑到产线上一测，精度直接腰斩。这不是模型不行，是场景不对口。过去一年，我深度参与了一个工业视觉项目：产线每天产生超过10万张图像，需要持续迭代检测模型。我们踩过无数坑，最终摸索出一套YOLO模型的场景专属自进化体系。今天不聊虚的，直接上干货。让模型在真实场景数据中持续学习、自动进化，而不是每次依赖人工标注从头训练。下面我从主动学习筛选、增量持续学习、架构选型、部署优化、安全防护五个维度，拆解整个搭建过程。声明。

2601_95807009的博客 106

freemarker list 最后一个不加逗号_我是如何在一周内撸出一个问答社区的

可能公司内的小伙伴们都知道了，我昨天在内部上线了一个问答社区，以便对后续的开发者大会、开源，以及一些其他的情况作出支持(我好像说了什么不得了的事情，求老板不打)。这个社区花了我一周时间，也算做得相对完善，用凌封大佬的话来说就是这样的：好吧，就当造船了，其实写个社区并非我本意，原本也是想找个开源的项目过来改吧改吧，能用就行了。但是逛了一圈之后发现，虽然开源的问答项目很多，但是符合我们要求的...

weixin_35529208的博客 689

【实战项目开发技术分享】ROS1.0、ROS 2.0和CyberRT开源通信框架对比

随着机器人和自动驾驶技术的飞速发展，开源通信框架在机器人、自动驾驶行业扮演着重要的角色。ROS1.0是一个广泛应用于机器人领域的开源框架，ROS 2.0是其改进版本，而CyberRT是Baidu Apollo自动驾驶平台的通信框架。ROS和ROS 2.0都注重灵活性和共享性，适用于各种机器人应用。CyberRT则专注于实时性和高性能，适用于自动驾驶等对实时性要求较高的场景。选择适合的框架取决于具体应用需求和开发者的偏好。

xiewf的博客 2万+

SpringBoot整合freemarker

freemarker和thymeleaf是模板引擎。在早前我们使用Struts或者SpringMVC等框架的时候，时间的都是jsp，jsp的本质其实就是一个Servlet，其中的数据需要在后端进行渲染，然后再在客户端显示，效率比较低下。而模板引擎恰恰相反，其中的数据渲染是在客户端，效率方面比较理想一点。前后端不分离的话用模板引擎比较好，前后端分离的话其实用处并不大很大。Spring官方比较推荐的是...

haozz的博客 5万+

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。

spring boot 使用视图modelandview

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-freemarker</artifact...

likunpeng6656201的博客 6095

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Springboot 整合 quartz，使用spring-boot-starter-quartz获取jobDataMap数据遇到的坑

实现技术：项目中通过Springboot整合quartz，使用spring-boot-starter-quartz实现可配置定时任务。场景：定时任务执行需要使用到一些其他的参数，在创建定时任务时将参数设置到jobDataMap中并持久化到`QRTZ_JOB_DETAILS`表中的`JOB_DATA`字段，该字段为blob类型，前端展示定时任务信息是需要展示到参数数据这里不介绍怎么使用...

haohao_ding的博客 7010

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

FreeMarker一些常见错误的总结

最近在做一个人物管理系统，需要做一个导出word的功能。经过一番查找，最终决定使用FreeMarker来做这个东西，做了两天，终于成型了。部分效果如下（表内数据纯属虚构）. 具体步骤就不一一赘述了，一搜一大堆。在具体使用的过程中，出现过一下问题。 1.FreeMarker 多行数据的换行问题，在FreeMarker 中会把“\n”处理厂空格，所以需要换行的时候需要把“\n”替换掉。

学习笔记 6165

SpringBoot+Freemarker+Quartz 实现定时邮件推送

近期项目中有定时邮件推送的需求，经过一番实践，最终实现，因此将开发步骤记录下来：涉及的技术： SpringBoot：v1.5.13.RELEASE Freemarker：2.0 Springcloud：Dalston.SR3 Quartz 1.引入依赖，分别为SpringBoot对mail和freemarker模板的集成 <dependency> <...

年少青山的博客 808

FreeMarker 与 Spring Boot 版本不匹配导致项目启动异常

报错信息 Unknown FreeMarker configuration setting: "recognize_standard_file_extension Error creating bean with name 'freeMarkerConfigurer' 修改方法：替换 freemarker版本，匹配Spring Boot 版本版本对比修改前版本 ...

墨咖 5663

Spring boot No mapping for GET错误

刚进公司自己搭建springboot项目遇到这个错误记录以后学习更多的知识和经验 springboot 使用thymeleaf 导致该错误以下为配置文件application.properties mybatis.mapper-locations=classpath:mappings/*.xml mybatis.config-location=classpath:mybatis/myb...

懒熊的博客 7万+

springboot整合Freemark模板(详尽版)

本篇是SpringBoot项目实战（3）：整合Freemark模板一文的修订版，本文使用示例详细介绍、演示了freemarker常用的语法，以及如何通过freemarker生成纯静态的html。本文知识点： springboot如何集成freemarker模板引擎详细版：常用的freemarker语法特别篇：如何在springboot中通过freemarker生成静态html（纯静态化） ...

Handsome丶Boy 5万+

springboot整合freemark---解决部署后路径找不到问题

springboot整合freemarker之后，本地跑起来完全没问题，但是打包部署后，报错路径找不到。 HashMap root =new HashMap(); root.put("vo", coverntToVO(policyFailDO)); Configuration config = new Configuration(); config.setDefaultEncoding("UT...

佛系程序员的野蛮之道 2175

SpringBoot整合freemarker找不到静态资源ftl文件解决办法

1.检查是否引入freemarker依赖 <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-freemarker</artifactId> </dependency> 2.检查是否引...

weixin_39755019的博客 1万+

springboot + freemarker 返回html页面基本操作(初学者)

转自https://blog.youkuaiyun.com/weixin_40260742/article/details/79277568初学使用springboot + freemarker 跳转页面，一直提示404，百度的资料很少，说的很多并没有解决实际问题，多次尝试之后找到问题所在，不多说，上图1.如何创建一个springboot项目这里的应该都会，不多说，pom配置文件，必须增加freemarker...