Cookie

本文详细介绍了Cookie的工作原理,包括创建和获取Cookie的过程、设置有效期的方法,以及如何通过设置路径和域名来控制Cookie的读写权限。

1、cookie的原理

       当客户端首次请求访问服务器时,服务器先在客户端存放包含该客户相关信息的Cookie,以后客户端每次请求访问服务器时,都会在HTTP请求数据中包含Cookie,服务器解析HTTP请求中的Cookie,就能由此获得关于客户的相关信息。

示意图如下图所示


2、cookie的创建和获取

// 创建cookie,其中username是cookie的名字,joaner是其值
Cookie cookie = new Cookie("username", "joaner");
// 把cookie加到HTTP响应结果中
response.addCookie(cookie);

//读取来自客户端的Cookie
Cookie[] cookies = request.getCookies();
if (cookies != null) {
	for (int i = 0; i < cookies.length; i++) {
		out.println("Cookie name:" + cookies[i].getName());
		out.println("Cookie value:" + cookies[i].getValue());
	}
} 

3、cookie的有效期

向客户端写Cookie时,可以通过Cookie类的setMaxAge(int expiry)来设置Cookie的有效期,expiry以秒为单位。

expiry > 0,表示浏览器在客户端硬盘上保存Cookie的时间长度;

expiry = 0,表示指示浏览器删除当前Cookie;

expiry < 0,表示不要把Cookie保存到硬盘,而是仅存于当前浏览器进程中,当浏览器关闭时,Cookie也就消失。


4、cookie的读写权限


通过两个方法setPath(String path)和setDomain(String domain)来设置。

(1)、只让A中的app1应用中位于/sub子路径下的web组件访问Cookie。app1应用中的web组件X写Cookie的代码应为:

Cookie cookie = new Cookie("username", "joaner");
cookie.setPath("/app1/sub/");
response.addCookie(cookie);

(2)、A的app1和app2共享Cookie。app1应用中的web组件X写Cookie的代码应为:

Cookie cookie = new Cookie("username", "joaner");
cookie.setPath("/");
response.addCookie(cookie);

(3)、只让A中的app2应用访问。app1应用中的web组件X写Cookie的代码应为:

Cookie cookie = new Cookie("username", "joaner");
cookie.setPath("/app2/");
response.addCookie(cookie);

(4)、让B中的所有web应用访问Cookie,假设B的域名为www.catb.com。app1应用中的web组件X写Cookie的代码应为:

Cookie cookie = new Cookie("username", "joaner");
cookie.setDomain(".catb.com");//必须以.开头
response.addCookie(cookie);

(5)、只让B中的app3应用访问。app1应用中的web组件X写Cookie的代码应为:

Cookie cookie = new Cookie("username", "joaner");
cookie.setDomain(".catb.com");
cookie.setPath("/app3/");
response.addCookie(cookie);

摘抄自:

《Tomcat与Java Web开发技术详解》(第二版,孙卫琴,139-145)





基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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