js后缀文件中获取请求路径的方法

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2k累计阅读 2k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄15年

关注

原创最新推荐文章于 2026-03-09 00:24:10 发布 2k 阅读 AI 写同款· GEO 优化 ›

如何通过 JavaScript 获取文件的后缀名？在 JavaScript 中，我们经常需要处理文件操作，其中一项常见的任务是获取文件的后缀名。需要注意的是，上述代码仅适用于获取文件路径中的文件后缀名，并不会验证文件的存在性或者文件类型的准确性。如果你需要对上传的文件进行验证或者处理不同类型的文件，建议使用服务器端的文件处理方法来确保文件的完整性和安全性。这个正则表达式的含义是匹配以点号开头，后面跟着至少一个数字或小写字母的字符串，并以此为文件后缀名。要获取文件的后缀名，我们可以使用字符串操作和正则表达式来提取文件路径中的后缀部分。然后我们使用字符串的。阅读详情

var localObj = window.location;

var contextPath = localObj.pathname.split("/")[1];

var location = (window.location+'').split('/');
var basePath = location[0]+'//'+location[2]+'/'+location[3];
var url = basePath + '/js/xxx.js';

收录于

当前文章被以下社区和专栏收录：

js获取URL的信息立即下载

相关推荐

详解TCP/IP五层模型

TCP/IP模型是一个网络通信体系结构，由五层组成，每一层都有其特定的功能。应用层传输层网络层数据链路层物理层每一层都有不同的责任，通过这种层次结构，网络通信可以更有效地进行。

2201_75437633的博客 1万+

js获得项目根路径

经常会用到的小方法, 特此记录下. 方法一, 直接写, 例如 server={} server.url = '/houserkeeping/'; 方法二, 用js获取, 例如 //js获取项目根路径，如： http://localhost:8090/jobservice function getRootPath(){ //获取当前网址，如： http://localhost:8

nich002的专栏 919

华为昇腾 910B 实战：DeepSeek-R1 蒸馏模型高效部署与性能调优全解析

本文详细解析了在华为昇腾910B硬件平台上高效部署DeepSeek-R1蒸馏系列模型（14B/32B版本）的完整实战流程。内容涵盖从MindIE环境搭建、镜像获取、模型准备，到服务配置、内存参数调优、性能测试及常见问题排查，为开发者提供了基于昇腾910B进行大模型部署与优化的全链路指南。

weixin_28235513的博客 210

js获取文件名后缀

有时候我们需要通过文件名或者路径，得到该文件的后缀名（扩展名），可以通过如下几种方式进行截取。例如文件名为: var name="xxxxx.txt"; 方式一：subtring() 使用subtring() 截取字符串，对于文件名中会出现多个点的很有用，从最后一个点的地方截取。 var suffix = name.substring(name.lastIndexOf("."));//.txt /*只获取后缀*/ var suffix =name.substring(name.lastIndex

高先生的猫 3万+

投第一篇SCIE英文期刊（详细步骤）

一个投稿SCIE英文期刊的过程

weixin_48849679的博客 1万+

ray.tune调参学习笔记0：调参基本流程

本篇总结python中使用tune调参的整体流程

Mr_111000的专栏 2622

js获取文件资源路径的扩展名

以上是一个视频的url，现在可以通过以上代码获取该url的拓展名：lastIndexOf(’.’)获取最后一个’.‘的下标，substring(lastIndexOf(’.’)+1)方法是从最后一个’.'后一个下标开始截取剩余的字符串，这样就能截取到该视频文件的拓展名，还是比较方便的 ...

smallwhite9527的博客 770

组态王|组态王通过选择日期实现历史数据的查询

②在弹出的【插入通用控件】对话框选择【Calender Control】控件，然后点击【确定】按钮，关闭对话框，然后在画面上适当的位置按住鼠标左键并拖动，绘制出一个矩形框，放开鼠标，就完成了控件的绘制。此函数将指定的时间格式（年，月，日，时，分，秒）转换为以秒为单位的长整型数，转换的时间基准是UTC(格林尼治)1970年1月1日00:00:00。实现内容，通过两个日历控件选择开始日期和结束日期，然后点击【历史数据查询】按钮，在报表中显示对应时间段的数据集。另外你用过哪些组态软件？

做有价值的事，积累有价值的笔记！ 4561

js 获取 url后缀名等相关信息

// 获取url信息 function parseURL(url) { var a = document.createElement('a'); a.href = url; return { source: url, protocol: a.protocol.replace(':',''), host: a.hostnam...

李特成的博客 4425

极智芯 | 解读国产CPU之海光

大家好，我是极智视界，本文分享一下解读国产CPU之海光。希望我的分享能对你的学习有一点帮助。

极智视界 3317

Linux 配置 multipath 多路径

每天一个 DBA 小知识，助你更进一步！

LuciferLiu_DBA 3297

nodejs 常见的内置模块

1）url模块将请求字符串转换为对象 // let obj=url.parse(str);//将请求字符串转换为对象 // let obj=url.parse(str,true);//参数二为true ，将查询字符串转换为对象 // console.log(obj.protocol);//协议 // console.log(obj.hostname);//主机名 // console.log(obj.port);//端口号 // console.log(obj.pathname);//资源路径 // co

weixin_49230250的博客 2020

Android 14.0 系统开机屏幕设置默认横屏显示

在14.0的系统ROM产品定制化开发中，对于产品需求来说，由于是宽屏设备所以产品需要开机默认横屏显示，开机横屏显示这就需要从两部分来实现，一部分是系统开机动画横屏显示，另一部分是系统屏幕显示横屏显示，从这两方面就可以做到开机默认横屏显示了

安卓兼职framework和app工程师的博客 2150

js已知文件路径,通用获取文件名、后缀、类型

已知文件路径,通用获取文件名、后缀、类型一、实际效果图二、前端代码参考 JS模板 // 选择文件后返回 { resultData: '/storage/emulated/0/DCIM/Camera/IMG_20170703_133717.jpg' } var path ='/storage/emulated/0/DCIM/Camera/IMG...

xymxwz的博客 1万+

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

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

javascript 得到文件后缀名

在上传文件时，常常要对文件的类型即对文件的后缀名进行判断，用javascript可以很容易的做到这一点。用Javascript解析一个带绝对路径的文件名并得到后缀名的方法有很多种，这里列出一种，以供参考。对于一个带绝对路径的文件名如：D:\Program Files\Notepad++\Notepad++.exe首先为了避免转义反斜杠出问题，可以用正则表达式来将\或\\替换成#，如：D:#Pro

MoreWindows Blog 1万+

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

js截取图片地址后面的参数和在路径中截取文件名或后缀名

在处理网页上的图片资源或者其他类型的文件资源时，你可能会遇到需要使用这些技巧的情况。以下是一些具体的使用场景：动态修改图片参数：如果你有一个图片URL，并且想要动态地改变它的查询参数（比如改变图片的尺寸、质量等），你可以使用URLSearchParams来修改URL，并重新加载图片。文件上传和下载处理：在处理文件上传或下载时，你可能需要获取文件名或文件扩展名来决定如何处理文件。例如，你可能需要根据文件类型来设置不同的处理逻辑或保存路径。

肥晨开发的学习之路 2540

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")

c语言读取含特定开头的文件,C#中获取指定路径下特定开头和后缀的所有文件

场景指定一个文件路径，获取当前路径下所有文件，并筛选出以指定内容开头和结尾的文件。注：实现首先指定前缀和后缀名变量。string prefix = "TestInfo_"; //实验信息配置文件前缀string ext = ".xml";然后获取特定路径下的所有文件并遍历，依次判断是否含有前缀和后缀。string directoryPath = Path.GetDirectoryNa...

weixin_39863017的博客 912

JS获取file上传文件路径，后缀，大小，文件名

/** *函数描述：获取input type=file的图像全路径 * @obj input type=file的对象 **/ function getFullPath(obj) { if(obj) { //ie if (window.navigator.userAgent.indexOf("MSIE")>=1) { obj.select(); return documen

噬魂归来的专栏 3499

JS获取IE上传文件路径、后缀、大小、文件名代码

JS获取IE上传文件路径、后缀、大小、文件名代码 www.111cn.net 编辑:Space 来源:转载本文章先给大家介绍一个很不错的在ie7,ie8中可获取上传文件路径的函数，后来再详细的补充了一些在ff下获取后缀、大小、文件名代码，各位朋友可参考。兼容ie7,8获取上传文件路径代码如下复制代码 function validat

笑看人生的专栏 5843

前端js获取文件名、后缀，截取文件名后缀

js获取文件名

Devil678的博客 2513

限制上传文件后缀的js方法

function lastname(){ //获取欲上传的文件路径 var filepath = document.getElementById("file_name").value; //为了避免转义反斜杠出问题，这里将对其进行转换 var re = /(\\+)/g; var filename=filepath.replace(re,"#"); //对路径字符...

qingfengxia2013的专栏 853

JS获取上传文件后缀名

js 文件名截取（后缀名、全名、不带后缀名） <script language="javascript" type="text/javascript"> //取整个文件的路径并且把文件名赋给文件名 var isTrue = true; function GetName(obj) { CheckType...

linhuiDragon的专栏 643

js根据文件路径截取后缀和截取文件名

weixin_45314035的博客 1671

前端判断文件后缀名_JS - 获取文件后缀，判断文件类型（比如是否为图片格式）...

原标题：JS - 获取文件后缀，判断文件类型(比如是否为图片格式)1，获取文件后缀有时候我们需要通过文件名或者路径，得到该文件的后缀名(扩展名)，可以通过如下方式进行截取：//文件路径var filePath = "file:///storage/emulated/0/opmark/User/Pic/hangge.png";//获取最后一个.的位置var index= filePath.lastI...