java零碎要点---class()、getClass()、Class.forName()、getClassLoader()的区别和联系--又不详细的地方求补充...

2.注意:.class()、getClass()、Class.forName()、getClassLoader()的区别和联系
a.getClass(),是获取运行时的类:
一个java.lang.Class对象代表了Java应用程序在运行时所加载的类或接口实例,也就是


说被加载的类在JVM中以Class的实例存在,Class对象由JVM自动产生。通过Object的


getClass()方法来获取每一个对象对应的Class对象,或的Class对象之后可以用Class对


象上的方法取得类的信息。
例子:
String name="john";
//获得name对象的Class实例
Class stringClass=name.getClass();
//下面可以用stringClass实例获取name对象的相关信息,可以看API文档,这里只举两


// 个方法
System.out.println("name对象的类型:"+stringClass.getName());
System.out.println("name对象的父类:"+stringClass.getSuperclass().getName


());
b.Class.forName()是通过类名来获得类:
在一些应用程序中,无法事先知道用户将加载什么类,而必须用户指定类名称以加载类


,可以用Class的静态方法forName()方法实现动态加载类。
c.getClassLoader()是获得类的加载器。
例如String.class,代表的是调用字节码文件,来获取一个String的类型。
------------------------------------------------------------------------------
下面是一个完整的对getClass()和Class.forName()解释的例子,用到反射进行控制:
package com.credream.refelect;


import java.lang.reflect.*;


public class ClassDemo
{
public static void main(String[] args)
{
System.out.println("****************getClass()的例子*******************\n");
String name="john";
//获得name对象的Class实例
Class stringClass=name.getClass();
//下面可以用stringClass实例获取name对象的相关信息,可以看API文档,这里只举两个方


法
System.out.println("name对象的类型:"+stringClass.getName());
System.out.println("name对象的父类:"+stringClass.getSuperclass().getName());


/*结果:
* name对象的类型:java.lang.String
name对象的父类:java.lang.Object*/


System.out.println("\n****************forName()的例子*******************\n");
//举forName()的例子
//动态加载java.util.ArrayList类
//得到类的Class实例后利用Class的方法取得类相关信息
//里面有好多方法我就不解释了,你可以参考API文档
try
{
Class c=Class.forName("java.util.ArrayList");
int mod=c.getModifiers();//注意这里可以查看:Modifier类的源码,这里是给每一个修


饰符定义了一个int型的值;进行了转换
System.out.println("-------------Modifier.toString(mod)----------");
System.out.println(Modifier.toString(mod));
System.out.println("-------------Modifier.toString(mod)----------");
if(Modifier.isInterface(mod)){//判断是否是一个接口,如果是就打印出来
System.out.print(" interface");
}
else{
System.out.print(" class ");//
System.out.println(c.getName()+"{");//java.util.ArrayList{


System.out.println("\t//********成员变量**********");


Field[] field=c.getDeclaredFields();//得到所有变量的数组
for(Field f:field)
{
System.out.println("------------Modifier.toString(f.getModifiers


()------------");
System.out.println("\t"+Modifier.toString(f.getModifiers()));//得到变量的修饰


符:private static final
System.out.println("------------Modifier.toString(f.getModifiers


()------------");
System.out.println("-----------f.getType().getName


()-----------------------");
System.out.println(" "+f.getType().getName());//得到变量的类型名字: long
System.out.println("-----------f.getType().getName


()-----------------------");
System.out.println(" "+f.getName()+";");//得到变量的名字:serialVersionUID;
}
System.out.println("\t//********构造方法**********");


Constructor[] constructor=c.getDeclaredConstructors();//
for(Constructor con:constructor)
{
System.out.print("\t"+Modifier.toString(con.getModifiers()));//得到构造方法的


修饰符public
System.out.println(" "+con.getName()+"();");//得到构造方法的名字


java.util.ArrayList();
}
System.out.println("\t//*********成员方法*************");
Method[] method=c.getDeclaredMethods();
for(Method mhd:method)
{
System.out.print("\t"+Modifier.toString((mhd.getModifiers())));//获得成员方法


的修饰符public
System.out.print(" "+mhd.getReturnType().getName());//获得成员方法的返回类


型;void
System.out.println(" "+mhd.getName()+"()");//获得成员方法的name:add()
}
System.out.println("}");
}
}
catch(Exception e)
{
e.printStackTrace();
}

}
}
----------------------------------------------------------------------------
下面是:Modifier类的源码:
由于篇幅太长贴出部分代码:
----------------------------------------
public static final int PUBLIC = 0x00000001;
public static final int PRIVATE = 0x00000002;
--------------------------------------------------------
public static String toString(int mod) {
StringBuffer sb = new StringBuffer();
int len;


if ((mod & PUBLIC) != 0) sb.append("public ");
if ((mod & PROTECTED) != 0) sb.append("protected ");
if ((mod & PRIVATE) != 0) sb.append("private ");


/* Canonical order */
if ((mod & ABSTRACT) != 0) sb.append("abstract ");
if ((mod & STATIC) != 0) sb.append("static ");
if ((mod & FINAL) != 0) sb.append("final ");
if ((mod & TRANSIENT) != 0) sb.append("transient ");
if ((mod & VOLATILE) != 0) sb.append("volatile ");
if ((mod & SYNCHRONIZED) != 0) sb.append("synchronized ");
if ((mod & NATIVE) != 0) sb.append("native ");
if ((mod & STRICT) != 0) sb.append("strictfp ");
if ((mod & INTERFACE) != 0) sb.append("interface ");


if ((len = sb.length()) > 0) /* trim trailing space */
return sb.toString().substring(0, len-1);
return "";
}
----------------------------------------------
public static boolean isAbstract(int mod) {
return (mod & ABSTRACT) != 0;
}
---------------------------------------------------
public static boolean isInterface(int mod) {
return (mod & INTERFACE) != 0;
}
----------------------------------------------------------------------
就先写这么多吧;有不对的地方希望大家指正;
一看你就懂,超详细java中的ClassLoader详解 本篇文章已授权微信公众号 guolin_blog (郭霖)独家发布 ClassLoader翻译过来就是类加载器,普通的java开发者其实用到的不多,但对于某些框架开发者来说却非常常见。理解ClassLoader的加载机制,也有利于我们编写出更高效的代码。ClassLoader的具体作用就是将class文件加载到jvm虚拟机中去,程序就可以正确运行了。但是,jvm启动的时候,并不会一次性加载所有的... 阅读详情

相关推荐

GB/T 27930-2023协议升级与CANoe仿真测试实践

本文深入解析GB/T 27930-2023协议的核心升级,包括A/B类系统分类与EVIN码引入,并详细指导如何使用CANoe搭建仿真测试环境、编写CAPL脚本及利用DLL库进行一致性验证与故障注入测试,助力开发人员确保电动汽车充电通信的合规性与稳定性。

y7z8a的博客 545

3种方式获取类加载器

方式一、获取当前类的ClassLoader 直接 类名.class.getClassLoader(); 或者实例对象.getClass().getClassLoader(); 例如:String.class.getClassLoader(); 或:new String().getClass().getClassLoader() 方式二、获取当前线程上下文的ClassLoader 例如:Thread.currentThread().getContextClassLoader(); 方式三、获取系统的Class

诗水人间 12万+

在Cursor中集成Ollama与Qwen2.5‑Coder:零成本本地AI开发环境搭建

本文详细介绍了如何零成本搭建本地AI开发环境,通过将Cursor IDE与本地运行的Ollama及Qwen2.5-Coder模型集成,实现数据不出本地的智能编程辅助。教程涵盖Ollama安装、模型拉取、ngrok内网穿透配置及Cursor设置等核心步骤,并提供了实战测试与常见问题排错指南,为注重隐私与成本的开发者提供安全高效的解决方案。

weixin_29296241的博客 1075

Java类加载,getClassLoader()

转自 【java 类加载的深入研究1】loadClass()的研究,IBM深入探讨 Java 类加载器 类加载器基本概念 顾名思义,类加载器(class loader)用来加载 Java 类到 Java 虚拟机中。一般来说,Java 虚拟机使用 Java 类的方式如下:Java 源程序(.java 文件)在经过 Java 编译器编译之后就被转换成 Java 字节代码(.class 文件)。类加载...

Site_Dave的博客 1万+

深入理解「二进制掩码」:从原理到实践

二进制掩码本质上是一个二进制数,用于通过位操作(如与、或、非、异或等)选择性地操作目标数据的某些位。掩码的每一位(bit)可以看作一个“开关”,决定是否对目标数据的对应位进行操作。二进制掩码是位操作的灵魂,掌握它不仅能提升代码效率,还能解锁许多高级编程技巧。从基础的位提取到复杂的子集枚举,掩码的应用无处不在。希望本文的讲解和代码示例能帮助你快速上手,并在实际项目中灵活运用。如果你有更多关于掩码的疑问或应用场景,欢迎在评论区留言交流!

m0_73494933的博客 2433

用Matlab系统辨识工具箱搞定温控系统建模:从阶跃响应到传递函数(附完整代码)

本文详细介绍了如何使用Matlab系统辨识工具箱进行温控系统建模,从阶跃响应数据采集到传递函数参数辨识的全过程。通过实际案例和完整代码,帮助工程师快速掌握PID控制参数整定技巧,提升温控系统设计效率。特别适合单片机开发者和自动化控制工程师参考。

weixin_30736301的博客 311

Class类下的getResource和ClassLoader类下的getResource方法使用和区别

Class类下的getResource和ClassLoader类下的getResource方法使用和区别 通过getResource(String name)方法,我们能获得一个URL对象读取资源 先说结论: 1. MyClass.class.getResource(“xxx”)方法中传的参数如果是相对路径,那么传递的路径是相对于MyClass而言 2. MyClass.class.getResource("/xxx")方法中传的参数如果是绝对路径,那么传递的路径是相对于classpath而言 3.MyCl

勤奋的派大星的博客 1511

手眼标定搞定了,手眼矩阵不知道怎么用?快戳!!

手眼标定得到手眼矩阵到底该咋用? 大家好,我是小鱼。上几期给大家分享了关于手眼标定的方法,如果还有不清楚如何让进行手眼标定的同学可以参考下面的文章: 机器人手眼标定都能搞不定?快戳,最好用的手眼标定库!!! 很多同学做完了手眼标定之后得到了手眼矩阵,但是不知道怎么用于程序当中去,还有很多同学搞不清楚各个坐标系之间的关系,今天小智就给大家讲讲手眼矩阵的使用问题。 一、手眼矩阵为什么会长的不一样? 做完手眼标定,得到的手眼矩阵,有可能会长的不一样,这是因为旋转变换是有很多种表示方法的。 1.旋转的表

生活不止眼前的苟且 5345

JAVA中的getClass().getClassLoader()

关于getClass().getClassLoader() InputStream is = getClass().getClassLoader().getResourceAsStream("helloworld.properties");中getClass()和getClassLoader()都是什么意思呀. getClass():取得当前对象所属的Class对象 ...

iteye_11837的博客 1316

python 常见算法(1-50题)

常见的算法题

weixin_58470558的博客 1759

畅游Diffusion数字人(20):FLAME代码解读与实现

​ 之前的博客《畅游Diffusion数字人(17):更强大的人脸和表情表达方法 FLAME:Learning a model of facial shape and expression》讲解了FLAME的原理,这篇博客主要讲解一下FLAME的代码实现。

沉迷单车的追风少年 1134

一篇文章带你深入理解 Java 中的Class.getClassLoader

文章目录一、ClassLoader 的作用二、ClassLoader 层次结构三、Class 加载时调用类加载器的顺序 一、ClassLoader 的作用 我们都知道java程序写好以后是以.java(文本文件)的文件存在磁盘上,然后,我们通过(bin/javac.exe)编译命令把.java文件编译成.class文件(字节码文件),并存在磁盘上。 但是程序要运行,首先一定要把.class文件加载...

南淮北安的博客 3万+

HFSS实战项目——高带外抑制特性SIW带通滤波器

本文对单级滤波器和双级滤波器的设计、工作原理及仿真结果进行了详细分析,并验证了双级SIW带通滤波器在性能方面的优越性,为微波通信系统中滤波器的设计和应用提供了重要参考。

2401_87464239的博客 1816

java零碎要点---class()、getClass()、Class.forName()、getClassLoader()的区别和联系--又不详细的地方求补充

2.注意:.class()、getClass()、Class.forName()、getClassLoader()的区别和联系   a.getClass(),是获取运行时的类:     一个java.lang.Class对象代表了Java应用程序在运行时所加载的类或接口实例,也就是      说被加载的类在JVM中以Class的实例存在,Class对象由JVM自动产生。通过Objec

添柴程序猿的专栏 4779

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

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")

Class.getResource和ClassLoader.getResource的区别分析

参考转自  https://www.cnblogs.com/doit8791/p/5851026.htmlClass.getResource(String path)path不以'/'开头时,默认是从此类所在的包下取资源;path以'/'开头时,则是从项目的ClassPath根下获取资源。在这里'/'表示ClassPathJDK设置这样的规则,是很好理解的,path不以'/'开头时,我们就能获取与...

qq_24877019的博客 246

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类类getClassLoader()方法及示例

类的类getClassLoader()方法 (Class class getClassLoader() method) getClassLoader() method is available in java.lang package. getClassLoader()方法在java.lang包中可用。 getClassLoader() method is used to return the ...

cumudi0723的博客 8812

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/

getClass().getClassLoader()为null

想获取resources下的文件,之前用过this.getClass().getClassLoader().getResourceAsStream(path);可以获取到,但最近的一个工程中需要在一个静态方法中获取该文件,没有了this,我直接用了Class.class.getClassLoader().getResourceAsStream(path),结果发现返回为null。 原因:

码农的幸福生活 1万+

Java 中的 getResource 方法

(3)应用程序类加载器(ApplicationClassLoader), 主要负责加载用户自定义的类以及classpath环境变量所配置的jar包的。就是如果一个类加载器(用来加载 class 文件)收到了类加载的请求,首先不会自己尝试去加载这个类,二十把这个请求委派给父类加载器去完成。另外Class.getResource和ClassLoader.getResource的区别,就是在加载资源文件的时候,加载方式的不同Class.getResource多了个resolveName方法。

小菜的博客 1万+

java获取类的classloader,对ClassLoader的一些简单总结

参考:http://blog.csdn.net/briblue/article/details/54973413,http://blog.csdn.net/qbg19881206/article/details/8890600,http://zyjustin9.iteye.com/blog/2022654,https://www.cnblogs.com/tuning/p/6943427.html一...

weixin_42355411的博客 1869

synchronized (classname.getClass()) 的编程习惯

前端时间总是有人问同步synchronized的问题,许多人遇到这样的问题总是多线程情况的单例模式中。有的人是这样写他的单例的class Test5{ private Test5(){} private static Test5 instance=null; public static Test5 getInstance(){ if(instance==null){ sy

huangzhe1927的专栏 1129

ClassLoader.loadClass和Class.forName的区别

为什么要把ClassLoader.loadClass(String name)和Class.forName(String name)进行比较呢,因为他们都能在运行时对任意一个类,都能够知道该类的所有属性和方法;对于任意一个对象,都能够调用它的任意方法和属性。 在比较它俩之前需先了解一下java类装载的过程 java类装载过程分为3步:      1:加载     Jvm把clas...

weixin_30666401的博客 356

java中class.forname连接mysql数据库_数据库链接与 Class.forName()用法详解

主要功能Class.forName(xxx.xx.xx)返回的是一个类Class.forName(xxx.xx.xx)的作用是要求JVM查找并加载指定的类,也就是说JVM会执行该类的静态代码段下面,通过解答以下三个问题的来详细讲解下Class.forName()的用法。一.什么时候用Class.forName()?先来个热身,给你一个字符串变量,它代表一个类的包名和类名,你怎么实例化它?你第一想到...

weixin_36453621的博客 3253

Java中class是如何加载到JVM中的(Class.forName("name")和ClassLoader.loadClass("name")的区别)...

Java中class是如何加载到JVM中的:1.class加载到JVM中有三个步骤    装载:(loading)找到class对应的字节码文件。    连接:(linking)将对应的字节码文件读入到JVM中。    初始化:(initializing)对class做相应的初始化动作。2.Java中两种加载class到JVM中的方式    2.1:Class.forName("classNam...

dyy_gusi的博客 789

关于getClass(),Object.class,getClassLoader的理解

1、对Class类的理解:Class类包含了类的信息,如构造方法、方法、属性,可用于反射。以下是所有方法 2、获取Class类对象的几种方法: Test test = new Test(); (1).test.getClass(); 在运行时确定,所以运行实例才是该类对象。super.getClass()不能获得父类的类对象,仍然是当前类对象。 获得父类类对象:te...

MrwanZH的博客 1万+

2.get跟load的区别 区别 1、 查询的时机不一样 get方法任何时刻都是立即加载,只要调用get方法,就马上发起数据库查询。 load方法默认情况下是延迟加载,真正用到对象的非OID字段数

get跟load的区别 区别 1、 查询的时机不一样 get方法任何时刻都是立即加载,只要调用get方法,就马上发起数据库查询。 load方法默认情况下是延迟加载,真正用到对象的非OID字段数据才发起查询。 load方法是可以通过配置的方式改为立即加载。 配置的方式 由于load方法是hibernate的方法所以只有XML的方式 <classname="Customer" table="cst_customer"lazy="false"> 2、返回的结果不一样 3、 get方法永远返回查询的实

weixin_40309634的博客 1339
上一篇: ArcGIS Server 10 som 和soc 分别安装的不同机器上的 详细步骤
下一篇: CentOS 6 NTFS移动硬盘 使用实战
piperzero
博客等级 码龄21年 1377粉丝 504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