Spring MVC 自定义拦截器

JavaEE开发之SpringMVC中的自定义拦截器及异常处理 也就是说,接下来我们所创建的拦截器就类似于收费站的作用、所有的用户请求都会经过我们这个拦截器。HandlerInterceptorAdapter是Spring框架中自定义拦截器的适配器,我们可以看一下HandlerInterceptorAdapter抽象类的具体实现,下方是我们关联的Spring框架的源代码中的HandlerInterceptorAdapter抽象类的实现。接下来所做的就是在相应的Controller相应的方法中给message_key标签绑定相应的值,并在相应的模板文件中进行显示。 阅读详情

一、自定义拦截器

Spring MVC实现自定义拦截器分为两步:

1、一个普通类实现HandlerInterceptor接口,该接口有三个方法。

2、在配置文件中配置项相对于的拦截器配置

例子如下:

1)、普通类:

package com.gl.interceptor;

import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

import org.springframework.web.servlet.HandlerInterceptor;
import org.springframework.web.servlet.ModelAndView;

/**
 * spring mvc 自定义拦截器
 * @author Administrator
 *
 */
public class FirstInterceptor implements HandlerInterceptor {
	
	//    1.程序先执行preHandle()方法,如果该方法的返回值为true,则程序会继续向下执行处理器中的方法,否则将不再向下执行。
//    2.在业务处理器(即控制器Controller类)处理完请求后,会执行postHandle()方法,然后会通过DispatcherServlet向客户端返回响应。
//    3.在DispatcherServlet处理完请求后,才会执行afterCompletion()方法。
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler)
            throws Exception {
        System.out.println("第一执行,返回true才会执行下面的,第二执行是执行controller");
        return true;
    }
    public void postHandle(HttpServletRequest request, HttpServletResponse response, Object handler, ModelAndView modelAndView)
            throws Exception {
        System.out.println("第三执行,执行后,再执行spring mvc的DispatcherServlet进行渲染视图");
    }
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex)
            throws Exception {
        System.out.println("第五步执行,是在springmvc渲染视图后才执行的");
    }

}

2)、配置文件:

<mvc:interceptors>
    	<!-- 配置自定义拦截器,对所有请求都有效 -->
    	<bean class="com.gl.interceptor.FirstInterceptor"></bean>
    </mvc:interceptors>

二、配置多个拦截器

1、再新建一个普通类,实现HandlerInterceptor接口

2、在配置文件中配置如下:

<mvc:interceptors>
    	<!-- 配置自定义拦截器,对所有请求都有效 -->
    	<bean class="com.gl.interceptor.FirstInterceptor"></bean>
    	<!-- 配置拦截器起作用的路径(也可以配置不起作用的路径) -->
    	<mvc:interceptor>
    		<mvc:mapping path="/testFileupload"/>
    		<bean class="com.gl.interceptor.SecondInterceptor"></bean>
    	</mvc:interceptor>
</mvc:interceptors>

补充:如何配置不起作用的路径的拦截器?如下:

<!-- 配置拦截器不起作用的路径 -->
<mvc:interceptor>
    	<mvc:mapping path="/**"/>
    	<mvc:exclude-mapping path="/testFileupload"/>
    	<bean class="com.gl.interceptor.SecondInterceptor"></bean>
</mvc:interceptor>

三、多个拦截器之间的执行顺序

执行程序,效果如下:(第二个拦截器的类我就不写了,写法和第一个类一样的)

[FirstInterceptor] : preHandle // 这个是拦截器的方法名
[SecondInterceptor] : preHandle
testFileupload //这个是执行的方法。
[SecondInterceptor] : postHandle
[FirstInterceptor] : postHandle
[SecondInterceptor] : afterCompletion
[FirstInterceptor] : afterCompletion

如上可以看出,也可以跟进源码看看,可以得出拦截器中方法的执行顺序:

preHandle方法:配置在前的拦截器先执行、配置在后的拦截器后执行。

postHandle方法:配置在前的拦截器后执行、配置在后的拦截器先执行。

afterCompletion方法:配置在前的拦截器后执行、配置在后的拦截器先执行。

四、如果有个拦截器中的preHandle方法返回值是false呢,多个拦截器该怎么执行呢?

1、修改第一个拦截器中的preHandle方法的返回值为false,执行效果如下:

[FirstInterceptor] : preHandle //这个是拦截器的方法名

2、修改第二个拦截器中的preHandle方法的放回值为false,执行效果如下:

[FirstInterceptor] : preHandle //这个是拦截器的方法名
[SecondInterceptor] : preHandle
[FirstInterceptor] : afterCompletion

 

专栏三:解析spatialCNV的使用 文章Spatially resolved clonal copy number alterations in benign and malignant tissue发在natur 阅读详情

相关推荐

告别命令行恐惧!用TBtools的MCScanX插件,5分钟搞定拟南芥和水稻的基因组共线性分析

本文介绍如何利用TBtools的MCScanX插件快速完成拟南芥和水稻的基因组共线性分析,无需命令行操作,5分钟即可生成专业可视化结果。通过图形化界面简化传统MCScanX的复杂流程,特别适合非生物信息背景的研究者,显著提升基因组数据分析效率。

dianzhuique8587的博客 378

自定义拦截器实现

"拦截器, 拦你所想, 放你所放". 简单实用的自定义拦截器, 你也可以轻松掌握

这个人很懒, 什么都没留下(这是我写的) 2461

批处理脚本手动双击可以执行,但计划任务中执行失败

问题现象: 使用批处理脚本从linux端(samba server) 备份一些数据,设置计划任务每天凌晨两点定时备份。 1)、windows系统中映射共享文件夹为S:盘,需要输入共享用户名和密码 2)、脚本中使用xcopy命令复制共享目录中的文件到windows本地目录中。 脚本如下: set Name=%date:~0,4%%date:~5,2%%date:~8,2% chcp 65001 REM chcp防止中文乱码 mkdir "E:\脚本备份\bakscripts%Name%" xco

独孤清扬玩DB 4314

【spring】自定义拦截器

spring自定义拦截器实现,全局异常处理等

wangdong的博客 897

SAP LTMC实战指南:物料主数据高效导入全解析

本文详细解析了SAP LTMC工具在物料主数据高效导入中的实战应用,包括工具选择、项目搭建、模板定制、数据导入全流程及常见问题解决方案。重点介绍了LTMC的预置模板、LTMOM灵活配置、数据校验机制等核心功能,帮助用户快速掌握SAP数据迁移技巧,提升工作效率。

weixin_33738555的博客 436

工业质检新利器:手把手教你用AD-DINOv3实现零样本缺陷检测(附MVTec AD实战)

本文详细介绍了AD-DINOv3框架在工业质检中的应用,通过零样本异常检测技术解决传统方法的标注成本高和泛化能力弱问题。文章包含技术原理解析、MVTec AD数据集实战部署、模型训练流程及工业部署优化技巧,帮助读者快速掌握这一创新技术。

seed的博客 766

SpringMVC框架学习笔记(八):自定义拦截器和异常处理

基于SpringMVC框架的自定义拦截器和异常处理

2301_76144723的博客 1877

机房电脑的“还原”秘密:如何应对重启即清零的困境

机房电脑重启后自动还原是常见的现象,这主要依靠硬件还原卡或软件还原系统(如冰点还原)实现。这类技术会定期将系统盘恢复初始状态,但通常不保护非系统盘。要高效使用公共电脑,建议:1)将个人文件存储在D/E盘;2)使用绿色便携软件;3)必要时可尝试通过热键临时关闭还原功能;4)养成云端备份习惯。掌握这些技巧既能遵守机房规定,又能保证学习资料安全,培养良好的数字资产管理能力。

一位主要以学校学生信息技术,社会工作生活讲解科普拓展的博主 1461

Spring 拦截器

这篇博客主要介绍了Spring Boot 拦截器的简单实现步骤。

qq_54469537的博客 2583

手把手教你用示波器搞定PCIe 5.0 REFCLK时钟信号测量(附完整参数解读)

本文详细介绍了如何使用示波器进行PCIe 5.0 REFCLK时钟信号测量,包括示波器与探头的选择、关键参数的测量方法及解读,以及实战中的常见问题与解决方案。通过手把手教学和完整参数解读,帮助硬件工程师高效完成时钟信号测量,确保系统稳定性。

weixin_28704565的博客 361

手把手教你学pcie--内存管理和保护机制(一):MPU与其他内存管理和保护机制详解

MPU(Memory Protection Unit)是一种专门用于 ​。,这些机制通常协同工作,形成多层防御体系,兼顾安全性、性能和灵活性。

MHD0815的博客 280

【Spring MVC】自定义拦截器

Spring MVC自定义拦截器实现自定义拦截器的步骤HandlerInterceptor接口多个拦截器的执行步骤 Spring MVC也可以使用拦截器对请求进行拦截处理,用户 可以自定义拦截器来实现特定的功能,自定义的拦截器必 须实现HandlerInterceptor接口 实现自定义拦截器的步骤 建一个类 实现HandlerInterceptor接口 配置自定义拦截器 下面配了三个拦截器,<bean 标签的都是拦截所有资源。 第二个mvc:interceptor标签的拦截器 通过path属

flora 248

国产化操作系统shell常用脚本

国产操作系统常用脚本:统信、麒麟。

Reyn_观极 600

Spring MVC拦截器--设计 自定义拦截器

当请求来到DispatcherServlet时,它会根据 HandlerMapping的机制找到处理器,这样就会返回一个HandlerExecutionChain对象,这个对象包含处理器和拦截器。 1 拦截器的设计 public interface HandlerInterceptor { // 处理器执行前方法 default boolean preHandle(HttpServ...

XLBoy的博客 349

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

spring mvc 自定义方法拦截器

自定义方法拦截器   @interface 属于annotation 注解 import java.lang.annotation.ElementType; import java.lang.annotation.RetentionPolicy; import java.lang.annotation.Target; import java.lang.annotation.Retention;

yataiheping的博客 555

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Spring MVC 自定义拦截器(Interceptor)

创建自定义拦截器只需三步。 第一步:创建一个类实现拦截器接口HandlerInterceptor的三个方法。 方法名 说明 preHandle 方法将在请求处理之前进行调用,该方法的返回值布尔值 Boolean类型的当它返回为 false时,表示请求结束,后续的 Interceptor:和 Controller都不会再执行;当返回值为true时就会继续调用下—个 Interceptor的 preHandle方法 postHandle 方法是在当前请求进行处理之后被调用,也就是说会在 Di

流星雨的博客 845

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Spring mvc项目自定义注解实现拦截器和aop实现日志打印

Spring mvc项目自定义注解实现拦截器和aop实现日志打印

qq_43290655的博客 3011

Spring-mvc自定义拦截器实现

实现接口HandlerInterceptor,然后分别实现afterCompletion、postHandle、preHandle三个方法, 例如: public boolean preHandle(HttpServletRequest arg0, HttpServletResponse arg1, Object arg2) throws Exception {         //

z1209236318的博客 179

spring mvc 使用拦截器interceptor和自定义Log类实现持久层记录日志

首先spring记录日志我所知道的有两种,一种是通过AOP,另一种是通过拦截器interceptor,我这次选择的是拦截器interceptor: 1.spring-mvc.xml文件中配置拦截器, <!-- 装配拦截器 --> <mvc:interceptors> <mvc:interceptor> <mvc:mapping path="/**/*

I__Rookie的博客 6483

【Spring MVC】自定义拦截器 Interceptor

一.自定义拦截器 1.拦截器,跟过滤器比较像的技术. 1.1 拦截器和过滤器的区别: 拦截器只能拦Controller,Filter可以拦任何请求 因为Spring的入口是dispatcherServlet,只有能通过Filter,才可以走拦截器 拦截器是SpringMVC的技术,只有当控制器生效时,拦截器才能生效 如果直接走jsp,不走DispatcherServlet,就走不了拦截器 2.发送...

寒泉 6万+

spring-mvc中的自定义拦截器

第一步:写一个登录页面 用来访问 <%@ page contentType="text/html;charset=UTF-8" language="java" %> <html> <head> <title>登录页面</title> </head> <body> <form action="${pa...

坤的博客 188

Spring mvc 自定义拦截器

自定义拦截器 1.跟过滤器比较像的技术. 2.发送请求时被拦截器拦截,在控制器的前后添加额外功能. 2.1 跟 AOP 区分开.AOP 在特定方法前后扩充(对 ServiceImpl) 2.2 拦截器,请求的拦截.针对点是控制器方法.(对 Controller) 3.SpringMVC 拦截器和 Filter 的区别 3.1 拦截器只能拦截器 Controller 3.2Filter 可以拦截任何...

weixin_43096582的博客 199

Spring MVC自定义拦截器

Spring MVC自定义拦截器 自定义拦截器有如下几个步骤: 实现HandlerInterceptor接口 重写三个方法  1)afterCompletion:执行Handler完成之后执行,应用场景:统一异常处理,统一日志处理等 2)postHandle:进入Handler方法之后,返回ModelAndView之前执行 3)preHandle:进入Handler方法之前

Daniel的博客 317

【Spring MVC拦截器+logback日志+自定义注解】实现用户鉴权登陆和访问日志记录

spring-mvc.xml定义拦截器如下 logback.xml的定义如下 jweb_wb_mgmt [%date{HH:mm:ss.SSS}] [%thread] [%-5level] [%logger{36}] %msg%n

kollyQAQ的博客 7727
上一篇: SpringMVC使用@DateTimeFormat、@NumberFormat注解对数据进行格式化
下一篇: redis学习(一):Linux系统在线安装、启动 redis
呵呵菜鸟
博客等级 码龄10年 92粉丝 115原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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