about cocoon

最近,一个同事辞职了,所以我接替了他的工作,要研究下cocoon

cocoon是一个基于XML的Web发布框架,提供了一套机制真正实现了内容,逻辑,和表现形式的分离.cocoon具有高效的可配置性和复杂的缓存机制.
1,cocoon的安装就不再多说了
2 一些配置文件
cocoon是一个高度的可配置性的环境,有几个文件是和配置有直接关系的。
TOMCAT_HOME/webapps/cocoon/WEB-INF/web.xml
TOMCAT_HOME/webapps/cocoon/WEB-INF/cocoon.xconf
TOMCAT_HOME/webapps/cocoon/WEB-INF/logkit.xconf
TOMCAT_HOME/webapps/cocoon/sitemap.xmap
cocoon本身是web application,自然有web.xml
cocoon.xconf是cocoon的配置文件,相当于JSP中的web.xml文件在JSP中的作用
logkit.xconf是cocoon的日志配置文件,灵活性很大
sitemap是cocoon的一个核心的概念,sitemap.xmap中有许多复杂的配置项,要会配置他们,首先要对cocoon有一个整体的认识,随着你对cocoon认识的更多, 你对sitemap.xmap的配置也就越了解
3.cocoon的基本概念
Pipeline是Cocoon2(cocoon2和cocoon1是有很大的不同的,所以无需知道任何关于cocoon1的东西)的基本概念.Pipeline由多个cocoon 组件构成,输入流经过Pipeline 到输出流,每个组件会对输入流进行处理,然后送到下一个组件处理,直到最后的输出。处理的组件和输入流都是在前面提到的sitemap中配置的。
在一个应用中可以有多个Pipleline,每个Pipeline中可以有多个不同的处理,每个处理和输入的URL有关
4.cocoon的基本组件
Matcher :是捕获URL地址,将其和Pipeline的一个处理流向关联
Generator :将输入流转换成Java 的SAX程序,为后续的处理提供SAX程序
Transformer :对Generators产生的SAX程序进行格式转换
Serializers :对经过Generators和Transformer转换的结果产生最后的输出流,输出流可以是html,xml,wml,jpeg,png,pdf等不同格式的文件.
XSP:全称是eXtension Server Page,也有人叫XML Server Page,是Cocoon提供的一种 服务器脚本语言,类似于JSP或ASP,但是完全基于XML的,它可以作为Generator的输入流
5.一个简单的URL请求处理的过程是:
cocoon在sitemap中寻找和URL匹配的Matcher项,然后对应Generator中配置的输入流(通常是XML文件或XSP文件A,用相关的Generator处理组件处理输入流,接着读取Transformer 的中的输入流B(通常是XSL文件),Transformer组件用B对A进行格式转换(如将XML文件 转换为HTML格式),一个管道中可以有0个或连续多个Transformer处理,最后Serializer 组件根据Serialize的类型(html,wml,pdf,jpeg等)产生最后的输出。

java 代码
  1. <map:pipelines>    
  2.   <map:pipeline>    
  3.     <map:match pattern="hello">    
  4.       <map:generate src="hello.xsp" type="serverpages"/>    
  5.       <map:transform src="dynamic-page2html.xsl"/>    
  6.     <map:serialize/>    
  7.     </map:match>    
  8.   </map:pipeline>    
  9. </map:pipelines>   

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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