JSP实现MYSQL5.1存入图片

本文介绍了一个简单的Java Web应用程序,该程序从MySQL数据库中检索图片编号并显示对应的图片。通过使用JSP页面和Java代码,实现了与数据库的连接、查询及图片的动态加载。
connection.jsp

<%@ page language="java" contentType="text/html; charset=UTF-8"
pageEncoding="UTF-8"%>
<%@ page import="java.sql.*" errorPage="" %>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>Insert title here</title>
</head>
<body>

<p>
<table border="1">
<tr>
<td>图片Num</td>
<td>图片</td>
</tr>
<%
Connection conn = null;
Statement stmt = null;
ResultSet rs = null;
request.setCharacterEncoding("utf-8");
String uri = "jdbc:mysql://localhost:3306/test";//使用的是test数据库
String sql = "select picNum from pic "; //我建图片表 pic
try{
Class.forName("com.mysql.jdbc.Driver");
}catch(Exception e){
out.print(e);
}

try{
conn = DriverManager.getConnection(uri,"root","root");//我的用户名是 root ,密码 是 soft 根据你的需要 更改
stmt = conn.createStatement();
rs = stmt.executeQuery(sql);
while(rs.next()){
%>
<tr>
<td><%=rs.getString("picNum")%></td>
<td><img src="tupian/<%=rs.getString("picNum")%>"></td>
</tr>
<%
}
}catch(Exception e){
out.print(e);
}
%>
</table>


</body>
</html>


数据库的设计:

附录:sql脚本
use test;
create table pic(
id int primary key auto_increment,
picNum varchar(10) unique
);




然后插入数据:

insert into pic(picNum) values('1.jpg');
insert into pic(picNum) values('2.jpg');
insert into pic(picNum) values('3.jpg');
insert into pic(picNum) values('4.jpg');
insert into pic(picNum) values('5.jpg');
insert into pic(picNum) values('6.jpg');
insert into pic(picNum) values('7.jpg');


结果图:
[img]http://dl.iteye.com/upload/picture/pic/75064/02555b8b-e6ea-330d-841b-f8fb3ab116ab.jpg[/img]
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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