Cookie技术案例-——显示曾经浏览过的商品

本博客通过Cookie技术展示网站所有商品,并记录和显示用户曾经浏览过的产品。

CookieDemo1

import java.io.IOException;
import java.io.PrintWriter;
import java.util.LinkedHashMap;
import java.util.Map;

import javax.servlet.ServletException;
import javax.servlet.http.Cookie;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

public class CookieDemo1 extends HttpServlet
{

	public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException
	{
		response.setCharacterEncoding("UTF-8");
		response.setContentType("text/html;charset=UTF-8");
		PrintWriter out = response.getWriter();
		// 输出所有商品
		out.write("本站有如下商品:<br/>");
		Map<String, Book> map = Db.getAll();
		for (Map.Entry<String, Book> entry : map.entrySet())
		{
			Book book = entry.getValue();
			out.print("<a target=\"_blank\" href='/day07/servlet/cookieDemo2?id="
							+ book.getId()
							+ "'>"
							+ book.getName()
							+ "</a><br/>");

		}
		// 显示用户看过的商品
		out.print("<br/>你曾经看过的商品<br/>");
		Cookie cookies[] = request.getCookies();
		for (int i = 0; cookies != null && i < cookies.length; i++)
		{
			if (cookies[i].getName().equals("bookHistory"))
			{
				String ids[] = cookies[i].getValue().split("\\,");// 2,3,1
				for (String id : ids)
				{
					Book book = (Book) Db.getAll().get(id);
					out.print("<a target=\"_blank\" href='/day07/servlet/cookieDemo4?id="
									+ book.getId()
									+ "'>"
									+ book.getName()
									+ "</a><br/>");
				}
			}
		}
	}
}
//用Db模拟数据库
class Db
{
	private static Map<String, Book> map = new LinkedHashMap<String, Book>();
	static
	{
		map.put("1", new Book("1", "JavaWeb开发", "老k", "一本好书"));
		map.put("2", new Book("2", "jdbc开发", "老张", "一本好书"));
		map.put("3", new Book("3", "spring开发", "老li", "一本好书"));
		map.put("4", new Book("4", "struts开发", "老张", "一本好书"));
		map.put("5", new Book("5", "android开发", "老bi", "一本好书"));
	}

	public static Map getAll()
	{
		return map;
	}

}

class Book
{
	private String id;
	private String name;
	private String author;
	private String description;

	public Book()
	{
		super();
	}

	public Book(String id, String name, String author, String description)
	{
		this.id = id;
		this.name = name;
		this.author = author;
		this.description = description;
	}

	public String getId()
	{
		return id;
	}

	public void setId(String id)
	{
		this.id = id;
	}

	public String getName()
	{
		return name;
	}

	public void setName(String name)
	{
		this.name = name;
	}

	public String getAuthor()
	{
		return author;
	}

	public void setAuthor(String author)
	{
		this.author = author;
	}

	public String getDescription()
	{
		return description;
	}

	public void setDescription(String description)
	{
		this.description = description;
	}
}


CookieDemo2

 

import java.io.IOException;
import java.io.PrintWriter;
import java.util.Arrays;
import java.util.LinkedList;
import java.util.List;

import javax.servlet.ServletException;
import javax.servlet.http.Cookie;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
//显示详细信息的servlet
public class CookieDemo2 extends HttpServlet
{

	public void doGet(HttpServletRequest request, HttpServletResponse response)
			throws ServletException, IOException
	{
		// 根据用户带过来的id,显示相应的详细信息
		response.setCharacterEncoding("UTF-8");
		response.setContentType("text/html;charset=UTF-8");
		PrintWriter out = response.getWriter();
		String id = request.getParameter("id");
		Book book = (Book) Db.getAll().get(id);
		out.write(book.getId() + "<br/>");
		out.write(book.getName() + "<br/>");
		out.write(book.getAuthor() + "<br/>");
		out.write(book.getDescription() + "<br/>");
		// 2.构建cookie,回写给浏览器;
		String cookieValue = buildCookie(id, request);
		Cookie cookie = new Cookie("bookHistory", cookieValue);
		cookie.setMaxAge(1 * 30 * 24 * 3600);// 1 个月
		cookie.setPath("/day07");
		response.addCookie(cookie);
	}

	private String buildCookie(String id, HttpServletRequest request)
	{
		// bookHistory =null 1 1
		// bookHistory=2,5,1 1 1,2,5
		// bookHistory=2,5,4 1 1,2,5
		// bookHistroy=2,5 1 1,2,5 // 假如列表最多3个
		String bookHistroy = null;
		Cookie cookies[] = request.getCookies();
		for (int i = 0; cookies != null && i < cookies.length; i++)
		{
			if (cookies[i].getName().equals("bookHistory"))
			{
				bookHistroy = cookies[i].getValue();
			}
		}
		if (bookHistroy == null)
			return id;
		// if(bookHistroy.contains(id))不能这样 21,23 也包括1
		List<String> list = Arrays.asList(bookHistroy.split("\\,"));
		LinkedList<String> linkedlist = new LinkedList<String>(list);
		if (list.contains(id))
		{
			linkedlist.remove(id);
			linkedlist.addFirst(id);
		} else
		{
			if (list.size() >= 3)
			{
				linkedlist.removeLast();
				linkedlist.addFirst(id);
			} else
				linkedlist.addFirst(id);
		}
		StringBuffer sb = new StringBuffer();
		for (String bid : linkedlist)
		{
			sb.append(bid + ",");
		}
		return sb.deleteCharAt(sb.length() - 1).toString();
	}

}


 

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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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