struts2 参数包装

本文探讨了在使用Struts框架进行登录操作时遇到的参数解析问题,详细分析了一个具体的案例,即当从前台提交用户名和密码时,后台只能解析到用户名而无法解析到密码的情况。

 

问题描述:

前台提交的参数user.userName=df&user.password=PPW 但是后台的Action只解析到了userName属性。

 

参数提交形式:

http://localhost/easyGrow/web/admin/login.action?user.userName=df&user.password=PPW

 

struts配置:

<package name="authentication" namespace="/web/admin" extends="struts-default"> <action name="login" class="LoginAction" method="doLogin"> <result name="success" type="redirect" >/index.jsp</result> <result name="login">/login.jsp</result> </action> </package>

 

 

 

LoginAction 如下:

 

private User user = null;

public void setUser(User user) {

this.user = user;

}

 

public String doLogin(){

 

print(user);

 

return SUCCESS;

}

 

User类如下:

private int id = 0;

 

private String userName = "";

 

private String password = "";

 

 

public 的get,set方法就不贴出来了。

 

 

问题:

当请求提交的时候,后台打印的时候只能打印出user.userName的值df,

 

分析:

既然userName已经解析到,为什么password就解析不到呢!怎么也想不通啊,呵呵。。。

 

RootCause:

最后无意中发现,如果在LoginAction中声明User的时候,改用public,就可以全部解析到了。

 

分析:

如果是访问限制的问题,那用private修饰的时候,userName也应该解析不到啊!

 

 

 

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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