校内网博客发布

原文下载:http://www.ziddu.com/download/3923096/3.doc.html

问题描述:

自动登录校内网,并发布博客文章。

难点:

HTTP是无状态协议,如何在多个HTTP请求之间进行状态保持?

说明:

本次实验是在前两次实验的基础之上,假定同学们已经能够用代码实现前两次实验的功能(访问页面和发送数据)。这次实验比前两次实验的所增加的知识点在于状态保持,也就是,登录后,如何保持Cookie和Session,从而发布文章时,让服务器以为你是已登录用户。

具体实现:

1.首先进行抓包分析。需要分析两次HTTP包,即登录包和发布文章包。

(1)打开校内网,找到登录页面进行登录,并抓包分析。

http://login.xiaonei.com/Login.do

(2)找到发表博客的页面,发布一篇新的日志,并抓包分析。

http://blog.xiaonei.com/NewEntry.do

通过理论课所讲知识可知,服务器端利用Session实现状态保持,而这个Session是通过存在浏览器端的一个Cookie进行识别的,在抓包时可以注意这个Cookie。

2.用代码实现

编码格式:UTF-8

代码实现的两个任务是:一是发一个登录的包,并保存服务器端返回的Cookie。二是再发送一个发布文章的包,同时注意把上一步保存的Cookie也发送出去。

关键代码:

Java版

片断1

HttpClient client=new HttpClient();

PostMethod post=new UTF8PostMethod("http://login.xiaonei.com/Login.do");

post.setRequestHeader("Content-Type", "application/x-www-form-urlencoded");

//下面这条代码可以实现自动保存Cookie

client.getParams().setCookiePolicy(CookiePolicy.BROWSER_COMPATIBILITY);

片断2

post.setRequestBody(data); //设置要发送的数据(登录信息)

client.executeMethod(post); //发送登录请求


C#版

片断1

HttpWebRequest request = (HttpWebRequest)WebRequest.Create("http://login.xiaonei.com/Login.do");

request.Method="POST";

request.Cookies=new CookieContainer();

片断2

request.ContentLength = data.Length;

request.ContentType = "application/x-www-form-urlencoded";

request.GetRequestStream().Write(data, 0, data.Length); //设置要发送的数据(登录信息)

片断3

CookieContainer cookies = request.CookieContainer; //保存Cookie

片断4

//下面这些代码生成一个新的POST请求(发布文章),并设置其Cookie为在上一步所保存的Cookie

request = (HttpWebRequest)WebRequest.Create("http://blog.xiaonei.com/NewEntry.do");

request.CookieContainer = cookies;
内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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