复习Struts1.3.8的单文件上传

本文通过一个简单的示例介绍了如何使用Struts1框架实现单文件上传功能,包括前端表单设计、后端Action处理及配置文件设置,并提到了中文乱码问题。
好久没用Struts1了 这几天终于闲了下来 翻开了 以前的笔记和代码 有种写写S1代码的冲动 于是先搞了一个S1的单文件上传 练练手 上代码先

首先写了一个upload.jsp
<h1>文件上传</h1>
<html:form action="uploadAction" method="post" enctype="multipart/form-data">
<html:file property="file"/>

<html:submit value="上传"></html:submit>

</html:form>


然后定义了一个简单的UploadForm
private  FormFile file ;

public FormFile getFile() {
return file;
}

public void setFile(FormFile file) {
this.file = file;
}


然后写uploadAction
public class UploadAction extends Action {
@Override
public ActionForward execute(ActionMapping mapping, ActionForm form,
HttpServletRequest request, HttpServletResponse response)
throws Exception {
// TODO Auto-generated method stub

FileForm fileForm = (FileForm) form;
String path = request.getSession().getServletContext().getRealPath("/upload");

FormFile file = fileForm.getFile();
InputStream stream = file.getInputStream();

File pathFile = new File (path);
if(!pathFile .exists() ){
pathFile.mkdirs();
}

FileOutputStream os = new FileOutputStream(path+"/"+file.getFileName());
byte buff[] = new byte[1024*4];

int len = 0 ;

while ((len = stream.read(buff))!=-1){
os.write(buff, 0, len);

}

stream.close();
os.close();
return null;
}
}



然后是在struts-config.xml里面的配置项

<form-beans>
<form-bean name="uploadForm" type="com.blacklee.form.FileForm"></form-bean>
</form-beans>

<action path="/uploadAction" name="uploadForm" type="com.blacklee.action.UploadAction"></action>


到此 一个最简单的文件上传就搞定了 但是还没有解决中文的乱码问题 首先想到了配置中央处理器 。

程序虽然简单 但是好久没有用了 有些淡忘 果然 最淡的墨水也胜过最强的记忆
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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