struts2---Valuestack与ongl

本文介绍了Struts2框架中的ValueStack概念及其与OGNL表达式的交互方式。ValueStack作为Struts2的一个核心组件,用于存储请求数据。同时,文章详细解释了如何使用OGNL在JSP页面中获取这些数据,以及不同上下文中属性访问的区别。

以下是个人学习笔记

ValueStack (特征先进后出)

Struts2将XWork对Ognl的扩展这一套机制封装起来,这个对象叫ValueStack。ValueStack实际上就是一个容器。它由Struts框架创建,当前端页面如jsp发送一个请求时,Struts的默认拦截器会将请求中的数据进行封装,并入ValueStack的栈顶。

 

    OGNL表达式:全称Object-Graph Navigation Language(对象导航图语言)Struts 2默认的表达式语言是OGNL,原因是它相对其它表达式语言具有下面几大优势:

支持对象方法调用,如xxx.doSomeSpecial();

支持类静态的方法调用和值访问,支持赋值操作和表达式串联,

访问OGNL上下文(OGNL context)和ActionContext;

操作valuestack

  1. 获取值栈

//获取值栈

         ValueStack vs=ActionContext.getContext().getValueStack();

         //获取值栈中的name

         System.out.println(vs.findString("name"));

从栈顶开始查找,找到符合条件的‘name’输出

测试结果:

   

  1. 在栈顶添加一个user后再来执行代码查看变化

User类的属性

private String name;

Action的execute方法

public String execute()

   {

      if("abc".equals(name)&&"123456".equals(pwd))

      {

         //actionname放入session

         ActionContext.getContext().getSession().put("name", name);

         //获取值栈

         ValueStack vs=ActionContext.getContext().getValueStack();

         //创建一个user并且set name

         User user=new User();

         user.setName("李四");

         //user放入栈顶

         vs.push(user);

         //获取值栈中的name

         System.out.println(vs.findString("name"));

 

         return "success";

      }

      return "error";

   }

使用ognl时需要在jsp页面添加以下代码

<%@taglib prefix="s" uri="/struts-tags" %>

 

 

在login.Jsp中使用ognl表达式获取输入的name

<h1>登陆成功</h1><br/>

  用户名:<a> <s:property value="name"/> </a> <a>--- action中的name </a>

执行结果

这里我输入的是‘abc’然后获取name变为了放入栈顶的user的name,原因很简单应为我们添加的user此时是在栈顶action在user的下面,这时候从栈顶查找符合条件的name找到了就不会往下走,所以输出的是user的name

 

    在login.jsp中添加以下

用户名:<a> <s:property value="#session.name"/> </a> <a>--- ActionCentexe中的name </a>

添加以后的结果

这里结果正确是我们输入的结果。由此可见直接写name会从栈顶查找符合条件的name 而在文章的第一步没有放入user到值栈中时,位于栈顶的时action。

在添加了#的时候像上面那样,session是在actionContext里的。

结论:在不添加数据到值栈的情况下,不添加#时是查找action里的属性,在添加了#的情况下是查找actionContext里的属性.

 

关于ognl表达式在jsp页面中的问题:

    在核心过滤器中的url-pattern中设置如下

<url-pattern>*.action</url-pattern>

然后在登陆后的login.jsp页面用${}取出数据的情况下访问jsp页面

<a>用户名:${user }  </a><br>

结果

直接访问jsp页面没有name的值但是仍然能正常访问

但是使用ongl之后

用户名:<a> <s:property value="#session.name"/>

直接访问jsp页面会有一个http500的错误

但是通过action转发却能正常访问。

显然在项目中通过action转发的方式更加安全,而且不会暴露项目文件的路径

 

以上全部是个人观点有错误欢迎指正

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算数据处理能力的工具,在图像分析模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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