挺有意思的比较,JAVA与C#。

C# 与 C 、 C++ 、 D 、 Java 的性能比较(一) C# 与 C 、 C++ 、 D 、 Java 的性能比较                                                                             (文章出自http://mag.vchelp.net)  jason C# 性能能赶上编译型的 C/C++/D 和中间代码运行时解释的 java 吗? 微软发布了 .net 平台和 .n 阅读详情

写之前,先声明,我很菜,又很懒。

事出有因,先看下原因。

我想通过网络由JAVA向C#里传递一个文件,由于我很懒,选择了Web Service,还只想传简单类型,于是,我想起了base64,于是我就决定用base64编码后通过Java提供Web Service,由C#调用。

必须要先编成base64码吧,用java不会编,选了C#编码,得保存成一个文本文件,用java读,比较来了,就出自读取文本文件。

C#:

            StreamReader reader = File.OpenText("C://Data.txt");

            this.buffer = reader.ReadToEnd();

JAVA:

  BufferedReader reader = new BufferedReader(new FileReader("C://Data.txt"));

  return reader.readLine();

看到这里,我实在郁闷了,.NET里可以全部读取,而java只能读取一行,在.NET里思路很明确,要读文件,肯定要File,做什么呢?File.Open...,啊,从IDE的提示里我找到了OpenText,这是我想要的,保佑我是一个字符串的文件名...bingo...被我猜中了兴奋得添了文件名进去就有了File.OpenText("C://Data.txt"),开始的时候我是这样写的,this.buffer = File.OpenText("C://Data.txt").ReadToEnd();因为我又点了一下IDE又给我提示了,我找到了ReadToEnd(),后来由于要reader.Close(),所以分开了,这也是顺理成章的事了,用VS编程序,就像在跟它对话一样。

JAVA里就很郁闷了,reader是不能readAll的只有readLine,我很迷惘,于是打开帮助JB的帮助,带JAVA API的,查找readAll,结果是什么Image.什么玩意的,就更不用说怎么用java编码base64了。

我不想评论谁好谁坏了,也许真的是我太菜太懒了,我有点喜欢上C#了。

另外补充一点,用C#读文本的时候,很轻松的就读取了,而java 的那个reader.readLine(),居然让我的JB停止响应了,呵呵,也许真的不怪JAVA,我这一行太长了,2M那么长:o 。

C#与Java的简单比较 大学期间学习了C#和Java两种开发语言,也学习过相应的ASP.NET和JSP等技术,今天对这两门语言做下简单的比较,有说错的地方请各位不吝赐教。 1.Java开源,C#不开源,C#编码中有Java的影子,Java跨平台较好些,C#通过Mono也可以实现跨平台。 2.C#特性比Java多,C#支持指针操作通过使用unsafe和fixed关键字,Java不支持指针操作。 3.走Java路线可以 阅读详情

相关推荐

C#与其他语言的比较

                                          C#与其他语言的比较 1.C#与VB6的比较        C#与VB6最明显的区别是C#编译位MSIL,而VB6编译为内部机器代码.用这两种语言编写的程序都需要一个运行时来执行,C#运行时的有点是它允许C#代码与其他语言编写的代码交互,允许C#代码使用.NET基类提供的丰富功能.       从特性上

李德成的网志 × lidecheng's WeBlog 2463

C#和Java区别

C#和Java的一些重要区别。一、功能比较二、语言规范的比较2.1、简单数据类型简单数据类型(Primitive)在C#中称为值类型,C#预定义的简单数据类型比Java多。例如,C#有unit,即无符号整数。表2列出了所有C#的预定义数据类型:2.2、常量忘掉Java中的static final修饰符。在C#中,常量可以用const关键词声明。 public const int x = 55;此外

clpig0125的专栏 5780

AXI4-Stream FIFO IP核实战指南——从配置到跨时钟域处理

本文是AXI4-Stream FIFO IP核的实战指南,详细讲解了其作为数据流缓冲核心的作用。文章重点涵盖从Vivado环境下的IP核配置、关键参数(如深度与宽度)设定,到跨时钟域处理的完整流程。深入解析了TVALID/TREADY握手协议及TLAST等信号,并提供了常见问题排查与调试技巧,帮助开发者高效实现FPGA/SoC系统中可靠的数据流缓冲与同步。

weixin_29251567的博客 480

编程语言Java与c#的区别介绍

前两种的用法与Java中的system.out.println()方法的用法相同,第三种方式是根据占位符输出的,比Java更方便了。都可以在创建数组的同时初始化如:int a[]={1,2,3,5,5};3.数据类型:Java跟c#基本都差不多,但是Java的string类型的首字母必须大写,而c#中可以小写也可以大写,还有布尔型,Java中是boolean,c#中是bool。首先,我给大家说说他们的相同点吧,它们都是面向对象的语言,也就是说,它们都能够实现面向对象的思想(封装,继承,多态)。

xiaoweids的博客 676

DSP TMS320F280049之CCS工程的建立(库函数版)

TMS320F280049 DSP是TI最新出的一款C2000系列的DSP,主频为100MHZ,功能较为强大,具有较多的片上模拟外设。这一节主要讲述如何新建F280049的CCS工程。 Step1.下载文件: 下载C2000Ware软件并安装。下载地址如下: http://www.ti.com.cn/tool/cn/C2000WARE?keyMatch=C2000Ware%2...

fanxianyan1993的博客 1万+

GNSS数据处理新手避坑:手把手教你用GAMP_GOOD下载IGS/MGEX数据(附.cfg文件详解)

本文详细介绍了如何使用GAMP_GOOD进行GNSS数据处理,从基础配置到高级参数调优,帮助新手避开常见错误。内容包括软件安装、配置文件详解、数据源选择、测站文件配置以及性能优化技巧,特别适合GNSS数据处理初学者快速上手。

weixin_30338481的博客 390

谈谈Java与C#的区别

Java与C#比较

bizhe666的博客 7438

【Hadoop】开发插件安装

前言 Eclipse 是一个开放源代码的、基于 Java 的可扩展开发平台。就其本身而言,它只是一个框架和一组服务,用于通过插件组件构建开发环境。幸运的是Eclipse 附带了一个标准的插件集,包括 Java 开发工具(Java Development Tools,JDT)。 Eclipse的插件机制是轻型软件组件化架构。在客户机平台上,Eclipse使用插件来提供所有的附加功能,例如支持Java...

weixin_44039347的博客 3209

C#基础与Java的对比

111

yiyang1208的博客 7922

关于海康网络摄像头使用VLC或者Opencv拉流有延迟的问题

先说结论,我用VLC或者Pyhton opencv直接拉取海康网络摄像头的rtsp流,会有1-2s延时,特别明显。环境:Windows + VLC / Openc-Python。如上面文章介绍,我使用的时候遇到一处错误,需要把代码中的。海康SDK:与网页视频相比,几乎是同步的。上面说的延时,也是与摄像头网页视频相比的。ffplay 去掉缓存:延时1s左右。这两处地方改成左斜杠,才能运行。opencv拉流使用的是。多线程:延时1s左右。

yljxh的博客 4500

CMOS的宽/长比、传输门与三态门、锁存器与触发器、简单版图、竞争与冒险

目录 1.CMOS的宽长比 2.传输门与三态门 传输门 三态门 3.锁存器与触发器 3.1RS锁存器[3] 3.2D锁存器 3.3D触发器 4.简单CMOS器件的版图 5.竞争与冒险 1.CMOS的宽长比 关于COMS原理及结构图可以参考[1]COMS原理及门电路设计. 栅在源漏方向的长度称作栅的长L,垂直方向称为栅的宽W,如图1中NMOS的版图。 图1 以MOS管...

king阿金 1万+

【Java】后端开发语言Java和C#,两者对比注解和属性的区别以及作用

每一门后端开发语言,语法和叫法都会大同小异,之前使用C#语言比较多,最近在使用Java语言,看到注解这个词有点陌生, 然后就有这篇文章简单进行两者的区别。

小5聊的博客 2565

MFRC522防冲突机制详解:当两张IC卡同时靠近读写器,会发生什么?

本文深入解析了MFRC522芯片在多张IC卡同时靠近RFID读写器时的防冲突机制,重点介绍了二叉树搜索算法在比特级的实现原理。通过详细的寄存器配置优化和实际工程案例,展示了如何有效解决信号碰撞问题,提升多卡场景下的读写性能。

weixin_29191669的博客 429

java与C#的比较

一、C#和java哪个更好? 几天前,我的北理工研究生面试,老师问了我这样一个问题,你认为C#和java哪个更好?那么,作为读者的你,会怎么回答这道题呢? 其实,在我看来,这道题无非是想问你c#和java有什么异同。同为开发语言,并不能说哪个更好,可能你某一种语言熟练,你会认为它好,但是如果你对两种语言都很熟练的话,你会认为,各有千秋。 那么,下面就分析一下 C#和java到底有什么异同。 C#和Java比较,号称90%的相同加上10%的不同。 二、从功能比较 比较起Java和C#大相径庭的那10%,会发现

极客神殿 8349

《大数据最全面试题-Offer直通车》目录

做好这些不用担心试用期不通过:程序员入职新公司如何快速上手项目本人遇到大数据面试题和参考答案(超过1万字精华版)大数据面试英文自我介绍参考(万字长文)大数据运维应用场景面试题汇总及参考答案(持续更新)万字数据仓库面试题及参考答案数据仓库数据质量监控和处理方法最佳实践数据仓库建模方法万字详解Doris的3种数据模型详解和数据仓库每一层的模型选用大数据面试临阵磨枪不知看什么?看这份心理就有底了-大数据常用技术栈常见面试100道题最全Hive面试题2024年(2万字详解)Elasticsearch 面试题及参考答

大模型大数据攻城狮的专栏 2645

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

java和C#的区别、比较

目录 摘要 总体比较 细节比较 总结 摘要 由于本人在本科阶段的项目主要以Java语言为主,而且对找工作来说也是以Java为目标,但是在读研期间导师团队主要是以港口业务为主的CS应用开发,采用的是C#/.NET为框架,个人感觉Java和C#的相似度很高,但是二者还存在一些差别,所以在此总结了以下二者的区别和比较。 总体比较 其实无论哪种开发语言,都没有谁好谁坏的说法,只是不同开发语言的思想会有些不同罢了,以下列举了常见的开发语言用途比较(仅列举了常见的后端开发语言): 开发语言比较

wiki_lsh的博客 1万+

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。

C#与其他编程语言的比较

C#是一种平衡性能、安全性和生产力的语言,特别适合微软生态系统内的开发。与Java相比,它更现代;与Python相比,它更高效但不够灵活;与C 相比,它更安全但性能略低;与JavaScript相比,它更适合后端。选择语言应基于项目需求:如果目标是Windows应用或游戏开发,C#是优秀选择;如果是跨平台或快速原型,Python或JavaScript可能更好。总体而言,C#在企业级应用中表现卓越,但需权衡其生态依赖性。

2501_93605016的博客 1285

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")

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

比较C#与C++、Java的异同

最近正在看C#视频,但是感觉效率很低,还是停下脚步总结一下、思考一下吧!         开始接触C#,我们都会有一个疑问:C#和C++有什么区别呢?学过Java的同学会想C#和Java有什么区别呢?         视频开始就给我们回答了这个问题。         C# & C++: C#由C/C++演变而来,但是,它现代、简单、完全面向对象和类型安全。抛弃了C++的复杂性,使它

君君的博客 4755

比较C#和Java

本文对比了C#与Java这两种编程语言,这两种语言都具有自动垃圾回收以及运行时编译执行的特点,并且两者的语法都有主要继承自C语言/C++,因此二者有很多相似之处。但由于C#是作为C++和Java的混合体而在Java之后所创造的,因此C#相较Java有更多的新语法特征并且引入了一些增强的功能,所以固然两者有其相似性,但是总归还是有诸多不同之处。 对象处理 C#和Java都可以被视作一种类似使用动态分派的类C++的面向对象语言(其中C++又源自于C语言)。但需要注意,这C#和Java并非C或者C++的超集,它们

极客神殿 2294

java与C#执行速度的比较

有的朋友纠结于选择哪种语言来编程,这里给出个参考。想要开发方便还是执行快速?

sqds的专栏 6121

C#与Java的比较

C#与Java的比较 这篇文章对C#与Java做一个语言级的对比,方便C#转Java或Java转C#的人有个大致了解。 这里大致用C#3.0与Java6.0做比较。 写完后得知维基百科里有更加全面得多的比较: http://en.wikipedia.org/wiki/Comparison_of_C_Sharp_and_Java

ytq412179380的博客 449

C# 与 java 的比较:

昨天的小总结来一发,以后每天都有这样的原创小归纳上传; C# 与 java 的比较: 预:    C#                                     java    开发环境:visual studio C#              Eclipse/MyEclipse 1. C#                                     

NewLetterr的博客 1573

C# 与 C 、 C++ 、 D 、 Java 的性能比较(二)

C# 与 C 、 C++ 、 D 、 Java 的性能比较(二) (文章专自http://mag.vchelp.net) jason Picalcr. 递归。通过 listing5 所示的算法计算圆周率。对每种语言,我们会做 10000 次运算,考虑到 java 堆栈在深层地归时很容易被耗尽,所以每次运算限制在 4500 次递归以内。 Sieve. 叠代。通过 Listing 6 所示的迭代算法

许劲松的专栏 3720

详述java与C#的比较--动态更新

详述java与C#的比较--动态更新

Blue 1964
上一篇: 将文件用base64编码保存成字符串,并从字符串中还原。
下一篇: Python一例。
blues-star
博客等级 码龄26年 8粉丝 78原创
评论 2
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