json相关

1 认清json两种格式
"{\"1\":3000024.996666668,\"2\":3020000.0,\"3\":3000000.0,\"4\":3000000.0,\"5\":3000000.0}"
{"1":3000024.996666668,"2":3020000.0,"3":3000000.0,"4":3000000.0,"5":3000000.0}

这两种格式的区别是,上面那个所有的双引号都带有转义符,并且最外层还包着一层双引号;而下面这种没有。

下文我们称呼上面的类型为A,下面的类型为B。

2 Java和js中对json的编解码

Java中编解码

Gson gson = new Gson();
String s = gson.toJson( obj );   // 编码
MyType obj = gson.fromJson( s, MyType.class );   // 普通解码,直接传class即可
Map< Long, Long > cmap = gson.fromJson( s, new TypeToken< Map< Long, Long > >() {}.getType() );   // 泛型解码

注意泛型解码时,不能简单传入一个Class值,而是需要传入java.lang.reflect.Type

js中编解码

jsonObj = JSON.parse( jsonStr );
jsonStr = JSON.stringify( jsonObj );
3 Java错误:GSON: Expected BEGIN_OBJECT but was STRING

有时候在进行网络传输时,可能因为编码原因,使得B类型的数据变成了A类型,所以我们需要有两个函数来进行A类型和B类型的互转:

public static String jsonAddEscape( String str ) {
    return "\"" + str.replace( "\"", "\\\"" )+ "\"";
}

public static String jsonRemoveEscape( String str ) {
    return str.substring( 1, str.length() - 1 ).replace( "\\\"", "\"" );
}
4 从后台通过ajax传递给前端的String变量无法正确解析成json对象

如果普通传递,字符串会是A类型。这时是无法正确解析的。
而如果在回复之前设置header属性:

HttpServletResponse resp = ...;
resp.setHeader( "Content-Type", "application/json; charset=UTF-8" );   // 注意jQuery也支持text/json,但是IANA推荐的官方格式是application/json

那么传递到前端的字符串就是B类型。

注意,有人说在涉及到压缩的时候,可能要用application/x-javascript才能使json回复内容被一同压缩

参考

[1] http://blog.youkuaiyun.com/onlyonecoder/article/details/16907713
[2] http://stackoverflow.com/questions/477816/what-is-the-correct-json-content-type

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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