第一个100日计划之 第11天 Struts2 005--ActionContext对象分析,valueStack和Ognl

本文深入解析了Struts2框架中的ActionContext概念及其线程安全性,介绍了如何通过静态方法获取ActionContext,并探讨了其在Service层的应用。同时,文章详细解释了值栈ValueStack的作用及OGNL表达式在Struts2中的使用方法,包括OGNL表达式取值规则及在Struts2标签中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、概念

1.1什么是ActionContext

ActionContext是map结构容器,Action的上下文,存放Action执行过程中的数据信息。存放的数据有:

每次请求都会为当前线程创建一个新的ActionContext,而且ActionContext是基于ThreadLocal存放的,所以ActionContext是线程安全的。

1.2 获取ActionContext

ActionContext方法提供了一个静态方法ActionContext.getContext(),由于ActionContext是线程安全的,并且通过静态方法获取,那么在同一个线程的非Action类中也可以获取并使用即在Service层也能获取到ActionContext中的值,但是:ActionContext是基于请求创建的,所以非请求线程中获取到的ActionContext对象也是空的,不能使用,比如在Filter的init()方法就不能获取到,因为此时ActionContext还没创建赋值。获取ActionContext的方法如下图:

1.3ThreadLocal线程安全演示

存放线程局部变量的一个容器。

package com.david.struts2.hello.test;

public class ThreadLocalTest {

	public static void main(String[] args) {
		//ThreadLocal存放线程局部变量的容器
		//所以存放在ThreadLocal中的局部变量是线程安全的,可以通过查看set方法
		//源码,其是获取当前线程,然后与当前线程绑定的
		final ThreadLocal<String> tl=new ThreadLocal<String>();
		tl.set("David");
		new Thread(new Runnable() {
			public void run() {
				System.out.println("子线程:"+tl.get());
			}
		}).start();
		
		System.out.println("主线程:"+tl.get());
	}

}

输出:

set方法,源码如下:

get方法也是如此,因此可以证明存放在ThreadLocal的数据是线程安全的。

1.4 ActionContext中的6大对象(实际可能会用到)

二、值栈ValueStack和OGNL表达式

2.1概念

值栈是ActionContext里面的一个对象,值栈是栈结构FILO(先进后出)。Struts中值栈中存放的就是Action对象。而值栈就是Ognl表达式取值的根目录,数据直接取,如下验证OGNL表达式取值方式:

package com.david.struts.ognl.test;

import java.util.HashMap;
import java.util.Map;

import com.david.struts2.objectdata.domain.User;

import ognl.Ognl;
import ognl.OgnlException;

public class OgnlTest {

	public static void main(String[] args) throws OgnlException {
		//原则上,数据分为常用的和不常用的,常用的一般是小部分数据,不常用的一般是大数据。
		//表达式:常用数据直接取,不常用的加#号取
		
		Map<String,String> map=new HashMap<String,String>();
		map.put("name", "david");
		map.put("age", "22");
		
		User u=new User();
		u.setName("DAVID");
		Object obj1 = Ognl.getValue("name",map,u);
		System.out.println("根数据:"+obj1);
		Object obj2 = Ognl.getValue("#name",map,u);
		System.out.println("非根数据:"+obj2);

	}

}

输出:

2.2 Struts2中使用ognl是通过struts2标签来取值的。

注意:要使用struts2的标签必须通过struts2的核心过滤器,如果过滤器配置为*.action的话,访问jsp页面时不经过核心过滤器的,这种jsp页面需要通过action跳转,如果核心过滤器配置为/*,那么jsp页面可以直接访问,但是通过ognl表达式获取的值将为空。因为ValueStack里面仅仅存放的acton对象,所以通过ognl标签获取Action的属性值,可以直接使用标签,而ActionContext中的值需要加"#"来获取,ognl可以实现级联取数据。如下例子(简单登陆演示):

aciton

package com.david.struts.ognl.action;

import com.opensymphony.xwork2.Action;
import com.opensymphony.xwork2.ActionContext;

public class OgnlAction {
	private String name;
	private String pwd;
	public String getName() {
		return name;
	}
	public void setName(String name) {
		this.name = name;
	}
	public String getPwd() {
		return pwd;
	}
	public void setPwd(String pwd) {
		this.pwd = pwd;
	}
	public String toLogin(){
	public String login(){
		ActionContext.getContext().getSession().put("pwd", pwd);
		return Action.SUCCESS;
	}
}

登陆成功页面:

<%@ page language="java" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <!--引入struts标签库-->
<%@taglib  prefix="s"  uri="/struts-tags"%>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>Insert title here</title>
</head>
<body>
<!-- name为Action的属性,而值栈里面仅仅存放Action对象,而值栈为Ognl表达式的根目录,所以可以直接获取 -->
这个是来之值栈的数据:<s:property value="name"/>
<!--后台将密码存放到session中的,而session存在于ActionContext中对象,所以获取session中的值,需要加#session.-->
这个是来之ActionContext的值:<s:property value="#session.pwd"/>

</body>
</html>

访问结果:

因实际开发中ongl表达式用得不多,后续项目如果使用较多,再来总结ognl表达式的用法。

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月12019年3月26共391的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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