Struts2.0国际化

struts2的国际化分三种情况:前台页面的国际化,Action类中的国际化,配置文件的国际化。

首先指定全局的国际化资源文件:

在配置文件struts.xml中引入

<constant name="struts.custom.i18n.resources" value="message"></constant>(注意位置)

在struts.properties文件中指定如下一行:

struts.custom.i18n.resources=message

 

指定的国家化资源文件即为

xxx_语言_国家.properties

 

message_zh_CN.properties(简体中文资源文件)

message_en_US.properties(美国英语资源文件)

 

 

(1).JSP页面上的国际化(使用struts2的<s:text .../>):

 

<s:i18n name="message">
  <s:text name="hello">
    <s:param>${username}</s:param>
  </s:text>
</s:i18n>

 

message_en_US.properties文件配置:

hello=hello world,{0}

message_zh_CN.properties文件配置:

hello=你好,{0}

 

(2)表单元素的Label国际化:

未国际化:

<s:textfield name="username" label="username"></s:textfield>

<s:textfield name="password" label="password"></s:textfield>

 

国际化后:

<s:textfield name="username" key="uname"></s:textfield>

<s:textfield name="password" key="pword"></s:textfield>

 

message_en_US.properties文件,配置:

uname=username

pword=password

 

message_zh_CN.properties文件,配置:

uname=用户名

pword=密码

 

 

(3).Action中的国际化:

未国际化:

this.addFieldError("username", "the username error!");

this.addFieldError("password", "the password error!");

 

国际化后:

this.addFieldError("username", "username.error");

this.addFieldError("password", "password.error");

 

message_en_US.properties文件配置:

username.error = the username error !

password.error = the password error!

message_zh_CN.properties文件配置:

username.error=用户名错误!

username.error=密码错误!

 

(4).配置文件中的国际化:

以输入校验的LoginAction-validation.xml为例:

未国际化:

<field name="username">
     <field-validator type="requiredstring">
       <param name="trim">true</param>
       <message>username should not be empty!</message>
     </field-validator>
  
     <field-validator type="stringlength">
       <param name="minLength">6</param>
       <param name="maxLength">12</param>
       <message>username should be between ${minLength} and ${maxLength}!</message>
     </field-validator>
   </field>

 

国际化后:

<field name="username">
     <field-validator type="requiredstring">
       <param name="trim">true</param>
       <message key="username.empty !"></message>
     </field-validator>
  
     <field-validator type="stringlength">
       <param name="minLength">6</param>
       <param name="maxLength">12</param>
       <message key="username.size"></message>
     </field-validator>
   </field>
   
 

message_en_US.properties文件配置:

username.empty = the username should not be empty !

username.size = the size of username shoule be between 6 and 12 !

password.empty = the password should not be empty !

password.size = the size of password shoule be between 6 and 12 !

 

message_zh_CN.properties文件配置:

username.empty =用户名不能为空 !

username.size = 用户名长度在6到12 !

password.empty =密码不能为空 !

password.size = 密码长度在6到12 !

注:message_zh_CN.properties这个国际化资源文件不允许包含非西欧字符

Java提供了一个工具来处理该文件中的中文:native2ascii,这个工具可以在%JAVA_HOME%/bin路劲下找到。

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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