創建和發佈一個Servlet過濾器

本文介绍了一个Servlet过滤器的实现过程,该过滤器用于拦截HTTP请求并检查用户是否在黑名单中。如果用户在黑名单中,则返回拒绝页面;反之则继续处理请求。
內容提要:創建一個Servlet過濾器,使用過濾器進行過濾http請求。
正文:
第一步,編寫一個Filter。(帶註釋)

package com.marks.javaweb.servlet;

/**
* author @marks
*/
import java.io.IOException;
import java.io.PrintWriter;

import javax.servlet.Filter;
import javax.servlet.FilterChain;
import javax.servlet.FilterConfig;
import javax.servlet.ServletException;
import javax.servlet.ServletRequest;
import javax.servlet.ServletResponse;
import javax.servlet.http.HttpServletRequest;

/**
* Servlet Filter implementation class NoteFilter
*/
public class NoteFilter implements Filter {

private FilterConfig config = null;
private String blacklist = null;

/**
* Default constructor.
*/
public NoteFilter() {
}

/**
* @see Filter#init(FilterConfig)
*/
public void init(FilterConfig fConfig) throws ServletException {
// Filter跟web应用一起启动
System.out.println("NoteFilter initing...");
// 初始化Filter时,调用config.getInitParameter()方法,从web.xml文件中读取初始化参数blacklist
this.config = fConfig;
blacklist = this.config.getInitParameter("blacklist");
}

/**
* @see Filter#destroy()
*/
public void destroy() {
// 当web应用重新启动或销毁时,Filter也被销毁
System.out.println("NoteFilter destroying...");
}

/**
* @see Filter#doFilter(ServletRequest, ServletResponse, FilterChain)
*/
public void doFilter(ServletRequest request, ServletResponse response,
FilterChain chain) throws IOException, ServletException {
// 从request对象中读取用户名,并转化成中文字符编码
String userName = ((HttpServletRequest) request)
.getParameter("userName");
if (userName != null) {
userName = new String(userName.getBytes("ISO-8859-1"), "GB2312");
}
//若用户名被包含在黑名单中,则直接返回一个拒绝网页
if (userName != null && userName.indexOf(blacklist) != -1) {
response.setContentType("text/html;charset=utf-8");
PrintWriter out = response.getWriter();
out.println("<html><head></head></html>");
out.println("<h1>对不起," + userName + ",你没有权限留言.</h1>");
out.flush();
return;
}
//用户名没有被包含在黑名单中,则调用chain.doFilter()方法,进行转发
long before = System.currentTimeMillis();
config.getServletContext().log("NoteFilter:before call chain.doFilter()");
// pass the request along the filter chain: 轉發
chain.doFilter(request, response);
config.getServletContext().log("NoteFilter:after call chain.doFilter()");
long after = System.currentTimeMillis();
String name = "";
if (request instanceof HttpServletRequest) {
name = ((HttpServletRequest) request).getRequestURI();
}
config.getServletContext().log("NoteFilter:" + name + ":" + (after - before) + "ms");
}

}

第二步:在web.xml中配置發佈過濾器。
<filter>
<display-name>NoteFilter</display-name>
<filter-name>NoteFilter</filter-name>
<filter-class>com.marks.javaweb.servlet.NoteFilter</filter-class>
<init-param>
<param-name>blacklist</param-name>
<param-value>黑客</param-value> //黑名單為:黑客
</init-param>
</filter>
<filter-mapping>
<filter-name>NoteFilter</filter-name>
<url-pattern>/*</url-pattern> //對所用請求進行過濾
</filter-mapping>

第三步:測試效果。
1.不符合過濾條件的請求,進行轉發:

[img]http://dl.iteye.com/upload/attachment/489636/0cbd46f5-65f6-3521-874f-fb95ede74bd6.jpg[/img]
2.符合過濾條件,進行攔截:

[img]http://dl.iteye.com/upload/attachment/489634/5a455ee5-1ac7-3357-8b4a-c30a11a0f883.jpg[/img]
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性先进性。; 适合人群:具备一定控制理论基础Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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