Jsf标签小结

本文深入介绍了JSF框架的几个核心组件:Facelets用于简化模板编写,通过减少重复代码提高开发效率;HTML标签提供了标准的HTML元素支持;Richface增强JSF功能并提供额外的UI组件;A4j则为AJAX集成提供了简便的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.    Facelets: 它主要是解决 Jsf 模板问题的 , 使用它你会少写很多重复代码 . 他的写法有些 Java 继承的感觉 . 不 过它在 buildWorkspace 时真是超级的吃速度 !

引用 :xmlns:ui = http://java.sun.com/jsf/facelets

 

< ui:composition template = " 路径 " > 表示当前页是继承该 路径 页的 .

< ui:insert name = "name1" ></ ui:insert> 表示此处可替换 , 中间为默认内容 .

< ui:define name = "name1" > 该部分替换父页对应的 insert 部分 . 注意 Facelets 只提供替换 . 没有 java super 的用法 !!

<ui:param/> 表示该页后台 Bean( 或其属性 ) 在 该页面的定义名称 . 他关键是可以定义 Bean 的名称 . 他与 ui:insert 结合可以使页面与后台 Bean 的继承关系相一致 ( 达到一页一 Bean).

<ui:include/> Jsp include 一样 , 他 嵌套 <ui:param> 实现传参 .

 

 

2. Html: 他是 Jsf 中的 Html 的代码 .

引用 :xmlns:h = http://java.sun.com/jsf/html

 

< h:outputText/> 输出 < h:inputText/> 输入 < h:inputHidden/> 隐藏 (Jsf Request 范围想保存住属性全靠它 !!!)

<h:commandLink>: 他是跳转 , 整页的提交并且根据 return 值跳到指定页面 <h:commandButton>: 同上 !! 值 得注意的是他们都不是局部提交 !!

 

 

3.    Richface: Jsf 支持的一套标签组 . 很好用 !!

引用 : xmlns:rich = http://richfaces.org/rich

 

官网 : http://livedemo.exadel.com/richfaces-demo/richfaces/actionparam.jsf

 

 

4.    A4j: 可看作 Richface ajax 的轻度封装 !!

引用 Xmlns:a4j = https://ajax4jsf.dev.java.net/ajax

 

< a4j:support>: 为被嵌套者提供事件支持 !!.

它的 event 常用的为 oncomplete onclick.   onclick 在生命周期里比 comple

< a4j:region >: form command 标签使用 ----- 限定提交范围 .

< a4j: commandButton>/< a4j :commandLink>: h 的相反 , 是 局部提交 !

< a4j:actionparam> command 中嵌套主要作用是 assignTo value 的值赋予指定对象的指定属性 .

6/2025 MP4 出版 |视频: h264, 1280x720 |音频:AAC,44.1 KHz,2 Ch 语言:英语 |持续时间:12h 3m |大小: 4.5 GB 通过实际 NLP 项目学习文本预处理、矢量化、神经网络、CNN、RNN 和深度学习 学习内容 学习核心 NLP 任务,如词汇切分、词干提取、词形还原、POS 标记和实体识别,以实现有效的文本预处理。 使用 One-Hot、TF-IDF、BOW、N-grams 和 Word2Vec 将文本转换为向量,用于 ML 和 DL 模型。 了解并实施神经网络,包括感知器、ANN 和数学反向传播。 掌握深度学习概念,如激活函数、损失函数和优化技术,如 SGD 和 Adam 使用 CNN 和 RNN 构建 NLP 和计算机视觉模型,以及真实数据集和端到端工作流程 岗位要求 基本的 Python 编程知识——包括变量、函数和循环,以及 NLP 和 DL 实现 熟悉高中数学——尤其是线性代数、概率和函数,用于理解神经网络和反向传播。 对 AI、ML 或数据科学感兴趣 – 不需要 NLP 或深度学习方面的经验;概念是从头开始教授的 描述 本课程专为渴望深入了解自然语言处理 (NLP) 和深度学习的激动人心的世界的人而设计,这是人工智能行业中增长最快和需求最旺盛的两个领域。无论您是学生、希望提升技能的在职专业人士,还是有抱负的数据科学家,本课程都能为您提供必要的工具和知识,以了解机器如何阅读、解释和学习人类语言。我们从 NLP 的基础开始,从头开始使用文本预处理技术,例如分词化、词干提取、词形还原、停用词删除、POS 标记和命名实体识别。这些技术对于准备非结构化文本数据至关重要,并用于聊天机器人、翻译器和推荐引擎等实际 AI 应用程序。接下来,您将学习如何使用 Bag of Words、TF-IDF、One-Hot E
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