struts2 表单标签的使用

本文详细介绍了Struts2框架中的combobox、doubleselect、datetimepicker和optiontransferselect等表单标签的功能及使用方法。这些标签可以帮助开发者快速实现复选框、级联下拉框、日期选择器和列表项转移等功能。

        combobox标签的功能是显示一个可以让用户选择的复选框和一个可以让用户输入的文本输入框组合。这两个表单标签在HTTP请求中同时被指定同一个请求参数。list属性是指定一个下拉框选择内容的数据集合。headerValueheaderKey属性和前述的标签中属性功能相同。该标签具有一个readonly属性,它是表明文本输入框中是否允许输入文本,如果readonly属性值为“true”则不允许用户输入,只能查看该文本输入框中显示的内容

    doubleselect标签的功能是提供两个有级联关系的下拉框。用户选中第一个下拉框中某选项,则第二个下拉框中选项是根据第一个下拉框被选中的某选项内容来决定它自己的下拉框选项内容。(由于该标签名字中包含“double”,因此它只提供两个级联关系的下拉框。如果开发者想利用该标签开发多个级联关系下拉框,则还需要自己编写JavaScriptJava代码联合使用该标签开发。笔者很希望Struts2的设计者在以后的版本中能提供一个multiselect标签,这样开发者就可以直接使用该标签来快速开发多个级联关系下拉框

 

该标签属性有很多。(其中list属性是指定第一个下拉框中选项的数据集合。listKeylistValue属性是分别指定第一个下拉框中的value和页面上显示的内容。doubleList是指定第二个下拉框中选项的数据集合。doubleListKeydoubleListValue属性是分别指定第二个下拉框中的value和页面上显示的内容。doubleName是第二个下拉框的名字属性)

    JSP中有“materialMap.get(top.itemId)”这行代码。其中的top其实返回的是材料类别map集合的value即材料list集合中的材料类对象实例

    datetimepicker标签的功能是显示一个可以选择时间日期的选择框。如果不使用Struts2的话,以前都是用JavaScript来完成这个选择框实现工作。现在Struts2底层已经集成了该选择框,开发者只要使用该标签就能完成开发工作,节省了大量时间(displayFormat属性指定日期显示格式。formateLength属性则表明显示的日期格式类型,它一共有四个可以赋给它的值,分别为longshortmediumfull

     optiontransferselect标签的功能是提供两个可以左右转移以及下拉的列表项。该标签中提供了很多上下左右移动选择项的功能。而且还可以进行多项选择项移动(如果是map类型,则keyvalue可以显示指定为左边列表中每个元素的值。集合中数据就是左边列表中的内容。headerKeyheaderValue属性是表明左边列表缺省显示的值和内容。listKeylistValue属性则和checkboxlist标签中相同,都是表明左边列表值和在页面上显示的内容。它还有一个multiple属性表明左边列表中内容是否可以多选即同时选中左边列表中多项元素。allowUpDownOnLeft属性是指定左边列表中各个元素是否可以上下移动,如果值为“true”就表明可以上下移动,反之则否。emptyOption属性是指定左边列表中是否有空元素出现即没有任何文字的选项。如果值为“true”就表明有空元素出现,反之则否)

   

   

下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
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