初步认识XMLHttpRequest

本文详细解析了XMLHttpRequest对象的属性及其在不同状态下的处理方式,包括响应文本、状态码、状态文本和readyState等关键信息,并提供了加载和错误处理的代码示例。

首先,我们先来看看XMLHttpRequest这个对象的属性。

它的属性有:

onreadystatechange 每次状态改变所触发事件的事件处理程序。

responseText     从服务器进程返回数据的字符串形式。

respon***ML   从服务器进程返回的DOM兼容的文档数据对象。

status           从服务器返回的数字代码,比如常见的404(未找到)和200(已就绪)

status Text       伴随状态码的字符串信息

readyState       对象状态值

0 (未初始化对象已建立,但是尚未初始化(尚未调用open方法)

1 (初始化对象已建立,尚未调用send方法

2 (发送数据) send方法已调用,但是当前的状态及http头未知

3 (数据传送中已接收部分数据,因为响应及http头不全,这时通过responseBodyresponseText获取部分数据会出现错误,

4 (完成数据接收完毕,此时可以通过通过respon***mlresponseText获取完整的回应数据

但是,由于各浏览器之间存在差异,所以创建一个XMLHttpRequest对象可能需要不同的方法。这个差异主要体现在IE和其它浏览器之间。下面是一个比较标准的创建XMLHttpRequest对象的方法。

 

六、 定制加载和错误处理消息

   你为onreadystatechange方法创建的事件处理器正是集中进行加载和处理错误的场所。现在到了考虑用户并针对他们与之交互的内容的状态提 供反馈的时候了。在这个实例中,我针对所有的装载状态代码提供反馈,并且也对最经常发生的错误处理状态代码提供一些基本的反馈。为了显示请求对象的当前状 态,readyState属性包括显示在下表中的一些值。

  值 描述

  0 未初始化,对象没有用数据进行初始化。

  1 装载中,对象正在装载它的数据。

  2 装载结束,对象完成了它的数据的装载。

  3 可交互,用户能与对象交互了,尽管它还没有装载结束。

  4 完成,对象已经完全被初始化。

  W3C中有很长的一串有关HTTP状态代码的定义。我选择了两个状态代码:

  ?200:请求成功了。

  ?404:服务器没有找到与所请求的文件相匹配的任何东西。

   最后,我检查任何另外的状况代码-它们将生成一个错误并提供一个一般错误信息。下面是一个代码示例-你可以用之来处理这些情况。注意,我在定位我们前面 在HTML文件的主体中创建的div ID并且对它应用装载和/或错误信息-通过innerHTML方法-这个方法用于设置在div对象的开始和结束标签之间的HTML:

  if(obj.readyState == 0) 
  { document.getElementById('copy').innerHTML = "Sending Request..."; }
  if(obj.readyState == 1)
  { document.getElementById('copy').innerHTML = "Loading Response..."; }
  if(obj.readyState == 2)
  { document.getElementById('copy').innerHTML = "Response Loaded..."; }
  if(obj.readyState == 3)
  { document.getElementById('copy').innerHTML = "Response Ready..."; }
  if(obj.readyState == 4){
  if(obj.status == 200){ return true; }
  else if(obj.status == 404)
  {
  // 添加一个定制消息或把用户重定向到另外一个页面
  document.getElementById('copy').innerHTML = "File not found"; 
  }
  else
  {document.getElementById('copy').innerHTML = "There was a problem retrieving the XML."; }
  }

  当状况代码为200时,这意味着请求成功。下面开始进行响应了。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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