Java常用类--BigDecimal类和System类

JavaSE(11)_常用类 String类、时间API、Java比较器comparable\comparator、System类、Math类、BigInteger\BigDecimal 仅供自己看的JavaSE笔记才开启的VIP,并不是为了要收益,如果有大佬看到不符可以提出一起交流学习 阅读详情

Java常用类--BigDecimal类和System类

BigDecimal类

  • double和float都是以近似值存储的,不满足精确运算要求,所以使用BigDecimal类实现精确运算
public class testBigDecimal {
    public static void main(String[] args) {
        double a=1.0;
        double b=0.9;
        System.out.println(a-b);
        System.out.println((a-b)/0.1);

        BigDecimal bd1=new BigDecimal("1.0");
        BigDecimal bd2=new BigDecimal("0.9");
        BigDecimal bd3=new BigDecimal("0.1");
        //加
        System.out.println(bd2.add(bd3));
        //减
        System.out.println(bd1.subtract(bd2));
        //乘
        System.out.println(bd2.multiply(bd3));
        //除
        System.out.println(bd1.subtract(bd2).divide(bd3));
        //除不尽时,保留3位小数,四舍五入
        BigDecimal bd4=new BigDecimal("20").divide(new BigDecimal("3"),3,BigDecimal.ROUND_HALF_UP);
        System.out.println(bd4);
    }
}

System类

  • 主要用于获取系统的属性数据和其他操作
  • 构造方法是私有的
public class testSystemClass {
    public static void main(String[] args) {
        //复制数组  效率高
        int[] a={1,2,3,4,5};
        int[] b=new int[5];
        System.out.println(Arrays.toString(b));
        //src:原数组,srcPos:原数组位置,dest:目标数组,destPos:目标数组位置,length:复制的长度
        System.arraycopy(a,3,b,3,a.length-3);
        System.out.println(Arrays.toString(b));

        //输出当前毫秒数,可用于计时
        System.out.println(System.currentTimeMillis());

        //System.gc()告诉垃圾回收站回收垃圾,但是回收不回收垃圾看当时的运行情况
        //实例在Object类的testFinalize方法中
//        System.gc();

        //退出JVM
        System.exit(0);
        System.out.println("程序结束!");    //该句不会输出,程序在上一句已经结束
    }
}

其他相关文章:

骗分导论 CSP、NOIP、蓝桥杯、PAT、USACO等竞赛的算法骗分技巧 轻松省三 问题来了,那么多座桥,炸一座就破坏岛屿的联系,可能性微乎其微(除非特别设计数据)。它们的价值极大,不仅能初步帮你检验程序的对错,而且,如果你不会做这道题,你就可以直接输出样例!在OI考试中最后难的题数据最后的几个,他们往往不会创造新的数据,此时就可以直接输出最后几个数据了。需要运用《骗分导论》第3章中学到的知识,先写出朴素算法,然后造一些数据,可能就会发现规律。有些时候,问题的答案可能很有特点:对于大多数情况,答案是一样的。据说,在NOIP2013中,有人最后一题不会,愤然打了个随机数,结果得了。 阅读详情

相关推荐

第 3 天:Actor 是什么?创建你的第一个游戏对象!

本文详细介绍 Actor 在 Unreal Engine 5 中的作用,并通过 C++ 创建你的第一个游戏对象。你将学习 Actor 的生命周期(BeginPlay、Tick)、如何添加组件(Static Mesh),并让 Actor 在游戏世界中运作。同时提供 常见问题解决方案,助你快速上手 UE5 C++ 开发!🎮 跟随本教程,构建属于你的第一个游戏对象!

m0_37643873的博客 2630

【BigDecimal类】的常见使用

首先,大家都知道float,double这两个基本类型的浮点数容易引起精度丢失。如下图: // 举例如下计算 public class TestBigDecimal { public static void main(String[] args) { System.out.println("0.05 + 0.01 = "+(0.05+0.01)); Sy...

weixin_41609603的博客 303

手把手教你玩转Infoseek舆情监测系统:从数据爬取到智能分析实战

别只会监测品牌名!一个有效的监测体系应该包括:// 完整的监测关键词策略brand: ["品牌名", "产品名", "缩写"],executives: ["CEO姓名", "高管姓名"],campaign: ["当前营销活动名称"],competitors: ["竞品A", "竞品B"],industry: ["行业通用关键词"],// 别忘了常见拼写错误和黑称defensive: ["常见的错误拼写", "用户起的黑称"]产品优化:从用户吐槽中发现改进点市场洞察。

2501_93332955的博客 758

Java中常用类的学习(Math类、Random类、System类、BigDecimal类、Date类、SimpleDateFormat类、Calendar类、BigInteger类)

1、Math类 Math类概述: 查API可以发现,该类是一个工具类,因此它的很多方法和字段都是静态的,我们只需要使用类名就可以调用。Math 类包含用于执行基本数学运算的方法,如初等指数、对数、平方根和三角函数。 成员变量: public static final double E : 自然底数 public static final double PI: 圆周率 成员方法: publi...

weixin_45082647的博客 469

Wincc7.5SP1 按钮操作记录(二次确认及语音播报)

Wincc 7.5 SP1 按钮操作记录生成(含二次确认及语音播报) 前面一篇文章已经介绍了“语音播报WINCC报警”,本文是之前功能的延伸,记录按钮操作记录并实现播报。 操作记录及语音播报效果 <创建消息文本> 1. 创建消息文本 消息编号100,消息等级“系统无确认”,消息类型“操作员输入消息”,消息文本“循环水泵启动操作”,其他参数默认。 消息编号101,消息等级“系

徐站的春天 1万+

INS/伪距组合导航(1)

星间单差GNSS/INS伪距紧组合

u014430081的博客 874

Java常用类System类、Math、BigInteger 和 BigDecimal

1.System类 public void test1() { String javaVersion = System.getProperty("java.version"); System.out.println("java的version:" + javaVersion); String javaHome = System.getProperty("java.home"); System.out.println("java的hom

qq_45554909的博客 308

银河麒麟服务器操作系统V10 SP1:跨架构激活与设备更换无忧指南

本文详细解析了银河麒麟服务器操作系统V10 SP1的跨架构激活新特性。该特性彻底解除了授权与CPU架构的绑定,允许同一份授权在x86、ARM、龙芯等不同架构服务器间灵活使用。文章提供了从新设备激活到硬件更换后保持激活状态的全流程实战指南,并分享了内网环境部署等高级技巧,助力企业简化运维、提升硬件资源管理灵活性。

ff678的博客 352

Java基础知识总结(第七篇):常用类:包装类、日期类以及String、StringBuffer、Builder、Math 、Arrays 、System 、BigInteger和BigDecimal

java常用类介绍:包装类、日期类以及String、StringBuffer、Builder、Math 、Arrays 、System 、BigInteger和BigDecimal

2301_76144723的博客 971

Crawl4AI实战:5分钟搞定电商价格监控爬虫(附Python代码)

本文详细介绍了如何利用开源AI网络爬虫框架Crawl4AI快速构建电商价格监控系统。通过Python实战代码,展示了从环境配置、智能内容提取到多平台适配、定时任务与数据可视化的完整流程,帮助运营人员和技术开发者高效实现自动化价格追踪与竞品分析。

weixin_29090917的博客 414

【Google Play 上架】内部 / 封闭 / 开放 测试全解 — “只跑一个就能上架”?不行!

Google Play新规要求个人开发者账号在2023年11月13日后必须通过封闭测试(Closed testing)才能上架应用。封闭测试需要至少12名测试者连续14天保持参与状态,而内部测试和开放测试不能替代这一要求。三类测试轨道各有特点:内部测试用于快速内部验证,封闭测试是上架必经环节,开放测试面向更广泛用户但非必需。上架流程建议先内部测试修复问题,再启动封闭测试满足14天要求,最后申请生产发布。组织账号和早期个人账号可能不受此限制。开发者应提前规划测试人群,确保持续测试周期,并关注Play Cons

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 2799

Java常用类之 Java比较器、System类、Math类、BigInteger与BigDecimal

像String、包装类等实现了Comparable接口,重写了compareTo(obj)方法,给出了比较两个对象大小的** 2. **像String、包装类重写了compareTo(obj)方法以后,进行了从小到大的排列**

Arbicoral的博客 264

手把手教你完成YOLOv8分类识别界面搭建,使用Qt6设计YOLOv8分类识别系统,前台系统+后台管理系统开发实战,全网最详细教程

本项目基于YOLOv8分类模型,结合PySide6框架开发了一套图形化分类识别系统,支持图片、视频和摄像头实时检测。系统包含以下功能: 分类识别模块:完成图像/视频目标分类,界面展示检测结果。 用户管理模块:支持登录注册、头像修改、密码重置等功能。 AI问答模块:集成DeepSeek大模型接口,实现流式输出对话。 后台管理系统(第二版新增):管理员可管理用户信息及个人中心。 系统采用MySQL数据库存储用户数据,并提供完整的UI界面与交互逻辑。代码已开源,适用于毕业设计或快速部署场景。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 825

Java基础语法练习39(常用类——String、StringBuffer、StringBuilder、Math、Arrays、System、BigInteger、BigDecimal类和时间日期类

/1.String对象用于保存字符串,也就是一组字符序列//2."jack"字符串常量,双引号括起的字符序列//3.字符串的字符使用Unicode字符编码,一个字符(不区分字母还是汉字)占两个字节//4.String类有很多构造器,构造器的重载//常用的有String s1=newString();////5.String类实现了接口Serializable【String可以串行化:可以在网络传输】//接口Comparable[String对象可以比较大小]

weixin_68453343的博客 911

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

java的其他常用类的使用:System类,Math,BigInteger,BigDecimal

System类: Math类: BigInteger: 1.java中可以使用BigInteger操作大整数,也可以转换进制。如果在操作的时候一个整型数据已经超过了整数的最大类型长度long的话,则此数据就无法装入,所以,此时要使用BigInteger类进行操作。这些大数都会以字符串的形式传入。 BigInteger不是基本数据类型之一,它其实更像String,是Java里的一个类,然而它的初始化方式却没有String那么方便可以直接赋值,而是跟其他自定义的类一样,要调用它的构造器进行初始化。这个类

weixin_38568503的博客 304

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")

Java常用类(比较器、System类、Math类、BigInteger和BigDecimal类)

Java常用类(比较器、System类、Math类、BigInteger和BigDecimal类)一、比较器(一)自然排序:使用Comparable接口(二)定制排序:使用Comparator接口二、System类三、Math类四、BigInteger和BigDecimal类 一、比较器 (一)自然排序:使用Comparable接口 像String、包装类等实现了Comparable接口,重写了compareTo(obj)方法,给出了比较两个对象大小的方式。(进行了从小到大的排列)。 实现 Compar

weixin_44630656的博客 433

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

java基础-java常用类-System类、Math类、BigInteger、BigDecimal的使用

Java常用类之System类、Math类、BigInteger、BigDecimal的使用 System类 Sytem类代表系统,系统级的很多属性和控制方法都放置在该类的内部。该类位于java.lang包 由于该类的构造器是private的(单例模式),所以自己创建该类的对象,也就是无法实例化该类。其内部的成员变量和成员方法都是static的,方便进行调用 System类的成员变量 System类内部包含in、out、err三个成员变量,分别代表标准输入流(键盘输入),标准输出流(显示器

J三石的博客 149

Java常用类(Object、包装类、String、BigDecimal、Date,Calendar、System)

Java常用类(Object、包装类、String、BigDecimal、Date,Calendar、System) Object类 包装类 1、Object类 超类、基类,所有类的直接或间接父类,位于继承树的最顶部 任何类、如没有写extends显示继承某个类,都默认直接继承Object类、否则为间接 Object类中所定义的方法,是所有对象都具备的方法 Object类型可以存储任何对象 作为参数,可以接收任何对象 作为返回值,可以返回任何对象 1.1、getClass()方法 返回引用中

xbd_zc的博客 811

Java学习50-常用类 System类 Runtime类 Math类 BigInteger类和BigDecimal类

Integer类作为int的包装类,能存储得最大整型值为2^31-1, Long类也是有限的,最大为2^63-1.如果要表示更大的整数,基本数据类型还是包装类都无法覆盖了。java.math包的BigInteger可以表示不可变的任意精度的整数。BigInteger提供所有Java的基本整数操作运算符的对应物,并提供java.lang.Math的所有相关方法。另外,BigInteger还提供以下运算:模算术,GCD计算,质数测试,素数生成,位操作以及一些其他操作。构造器。

weixin_42892630的博客 993

JavaSE 笔记【八】Java常用类之比较器、System类、Math类、BigInteger、BigDecimal

视频链接:Java零基础教程 Java比较器 Java 中的对象,正常情况下,只能进行比较: == 或 != 。不能使用 > 或 < 的。但是在开发场景中,我们需要对多个对象进行排序,言外之意,就需要比较对象的大小。如何实现?使用两个接口中的任何一个:Comparable(自然排序) 或 Comparator(定制排序) java.util.Comparable接口的使用举例: 像String、包装类等实现了Comparable接口,重写了compareTo(obj)方法,给出了比较两个.

博客 335

Java常用类:其他类(System、Math、BigInteger、BigDecimal)

文章目录System类Math类BigInteger类、BigDecimal类 System类 System类代表系统,系统级的很多属性和控制方法都放置在该类的内部。该类位于java.lang包。 由于该类的构造器是private的,所以无法创建该类的对象,也就是无法实例化该类。其内部的成员变量和成员方法都是static的,所以也可以很方便的进行调用。 方法: native long currentTimeMillis() void exit(int status) void gc() String

soulmate______的博客 255

java常用类-system类,math类,biginteger类,bigdecimal类

system类代表系统,系统级的很多属性和控制方法都放置在该类的内部。 该类的构造器是私有的,所以无法创建该类对象,无法实例化该类。其内部的成员变量和成员方法都是静态的,所以可以直接用类名去调用。 成员变量包含in,out,off,分别代表标准输入流(键盘输入),标准输出流(显示器)和标准错误输出流(显示器); math类提供了一系列的静态方法用于科学计算,返回值一般为double型。 biginteger可以表示不可变得任意精度的整数。可进行计算,提供了方法 bigdecimal表示不可变得任意

qq106140的博客 286

Day42.System类、Math类、BigInteger与BigDecimal类 -Java常用类#、集合、IO

System类 //System类 @Test public void test1(){ String javaVersion = System.getProperty("java.version"); System.out.println("java.version:"+ javaVersion);//java.version:1.8.0_261 String javaHome = System.getProperty("java.home"); System.ou

阿昌爱Java 195

Java常用类

返回引用中存储的实际对象类型常用于判断两个引用中实际存储对象类型是否为同一类型//判断s1和s2是不是同一类型 getClass()返回引用中存储的实际对象类型}else {​。

Gjj_2003的博客 1007

Java常用类(三):正则表达式;Pattern类和Matcher类;Math类;Random类;System类;BigDecimal类

Java常用类(三) 一、正则表达式 1、概述 正则表达式:即正确规则的表达式,是指一个用来描述或者匹配一系列符合某个句法规则的字符串的单个字符串。其实就是一种规则。有自己特殊的应用。 2、常用规则字符 规则字符在java.util.regex Pattern类中 A:字符 x 字符 x。举例:'a'表示字符a \\ 反斜线字符。 \n 新行(换行)符 ('\u000A') \r ...

y_Engineer的博客 640

java中Math.format_Java中常用类的学习(Math类、Random类、System类、BigDecimal类、Date...

文章目录Math类Random类System类BigDecimal类Date类SimpleDateFormat类Calendar类BigInteger类Math类查阅API可以发现,该类是一个工具类,因此它的很多方法和字段都是静态的,我们只需要使用类名就可以调用;Math 类包含用于执行基本数学运算的方法,如初等指数、对数、平方根和三角函数;成员变量: public static final do...

weixin_32516009的博客 263
上一篇: Java常用类--时间相关类
下一篇: Java集合--Collection集合
likehack
博客等级 码龄8年 526粉丝 35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

打赏作者

likehack

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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