phonegap上传图片并传参

本文介绍如何使用PhoneGap上传图片,并附带额外参数至.NET服务端。文章详细展示了客户端设置参数与上传流程,以及服务端接收参数和处理图片的过程。

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

phonegap上传图片并传参

[1].[代码] [其他]代码 跳至 [1]

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
phonegap上传图片并传参(服务端是.NET 做的一般处理程序ashx)
phonegap 上传图片传参
                 var params = new Object();
                 params.value1 = "test";
                 params.value2 = "param";
 
                 options.params = params;
phonegap客户端(这里只写了上传的代码,调用机器API的就不写了)
                 var imageURI = document.getElementById('myImage').src;
                 var options = new FileUploadOptions();
                 options.fileKey = "file";
                 var imagefilename = Number(new Date()) + ".jpg";
                 options.fileName = imagefilename;
                 //options.fileName = imageURI.substr(imageURI.lastIndexOf('/') + 1); 
                 options.mimeType = "image/jpeg";
 
                 var params = new Object();
                 params.value1 = "test";//此处设置要上传的参数
                 params.value2 = "param";
 
                 options.params = params;
                 var url = "http://192.168.2.99/demo/upload.ashx?jsoncallback=?"
                 var ft = new FileTransfer();
                 ft.upload(imageURI, url, win, fail, options, true);
ashx 服务端
using System.Web;
using System.Data;
using System.Data.SqlClient;
public class upload : IHttpHandler {
     
     public void ProcessRequest (HttpContext context) {
         context.Response.ContentType = "text/plain";
         string callbackMethodName = context.Request.Params["jsoncallback"];
 
         var Value1 = context.Request["value1"];//这里就是获取得到phonegap上传的传的参数
         var Value2 = context.Request["value2"];//这里就是获取得到phonegap上传的传的参数
         if (context.Request.Files.Count > 0)
         {
             //取到文件对象
             HttpPostedFile file = context.Request.Files[0];
             //取得文件后缀名(带个点)
             string ext = System.IO.Path.GetExtension(file.FileName);
 
             //判断上传文件的类型(jpeg),这里是根据文件头判断的,防止用户上传恶意假图
             if (file.ContentType == "image/jpeg" || file.ContentType == "image/pjpeg" || file.ContentType == "image/png" || file.ContentType == "image/gif")
             {
                 //给文件取随及名
                 Random ran = new Random();
                 string fileName = DateTime.Now.ToString("yyyyMMddhhmmss") + ran.Next(100, 1000) + ext;
 
                 //保存文件
                 string path = context.Request.MapPath("images/" + fileName);
                 file.SaveAs(path);
 
                 //提示上传成功
                 string result = callbackMethodName + "({\"id\":" + "\"1\"})";
                 context.Response.Write(result);
             }
             else
             {
                 string result = callbackMethodName + "({\"id\":" + "\"1\"})";
                 context.Response.Write(result);
             }
         }
         else
         {
             string result = callbackMethodName + "({\"id\":" + "\"1\"})";
             context.Response.Write(result);
         }
 
     }
  
     public bool IsReusable {
         get {
             return false;
         }
     }
 
}

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1日至2019年3月26日共391天的数据作为样本,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,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和方法;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,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