java ee 6周

JSFJavaServer FacesJSF是一个为网络应用程序构建基于组件的用户界面的java规范,并已通过jcp格式化为java ee的一部分。它也是一个mvc web应用框架,通过在页面中使用可重用的UI组件简化了基于服务器的应用程序的用户界面。为了展现UI组件和管理它们的状态;操作事件、服务器端的确认和数据变换;定义页面导航;支持国际化和可访问性;提供对所有特性的可扩展性的API为了在JSP中表示UI组件和拍发组件给服务器端对象的两个JSP自定义tag库。

JSF的生命周期:

 

来源:https://blog.youkuaiyun.com/kamemo/article/details/7552406

 

Facelets是一种轻量级的页面声明语言,用于使用HTML样式构建JSF(JavaServer Faces)视图。

包括以下功能:

  • 它使用XHTML创建网页。
  • 除了支持JavaServer Faces和JSTL标记库之外,它还支持Facelets标签库。
  • 它支持表达语言(EL)。
  • 它是使用组件和页面的模板。

优点

  • 它通过模板和复合组件支持代码可重用性。
  • 它通过定制提供组件和其他服务器端对象的功能可扩展性。
  • 编译时间更快
  • 它在编译时验证表达式语言。
  • 高性能渲染能力。

JSF(JavaServer Faces)技术支持各种标签库,以将组件添加到网页。 为了支持JavaServer Faces标签库机制,Facelets使用XML命名空间声明。

下表显示了Facelets支持的标签库。

标签库URI前缀示例内容
JSF Facelets标签库http://xmlns.jcp.org/jsf/faceletsui:ui:componentui:insert模板标签
JSF HTML标签库http://xmlns.jcp.org/jsf/htmlh:h:head,h:body所有UI组件对象的JavaServer Faces组件标记
JSF核心标签库http://xmlns.jcp.org/jsf/coref:f:actionListenerf:attributeJSF标签独立于任何特定渲染工具包的自定义操作
传递元素标签库http://xmlns.jcp.org/jsfjsf:jsf:id支持HTML5友好标记的标签
传递属性标签库http://xmlns.jcp.org/jsf/passthroughp:p:type支持HTML5友好标记的标签
复合组件标签库http://xmlns.jcp.org/jsf/compositecc:cc:interface支持复合组件的标签
JSTL核心标签库http://xmlns.jcp.org/jsp/jstl/corec:c:forEachc:catchJSTL 1.2核心标签
JSTL函数标签库http://xmlns.jcp.org/jsp/jstl/functionsfn:fn:toUpperCasefn:toLowerCaseJSTL 1.2函数标签

Facelets应用程序的生命周期

JSF规范定义了JavaServer Faces应用程序的生命周期。以下步骤为基于 Facelets 的应用程序的过程描述。

  1. 生命周期是在客户端使用Facelets创建的网页发出新请求时启动。 JSF创建一个新的组件树或javax.faces.component.UIViewRoot并放入FacesContex

  2. 如果可用的UIViewRoot应用于Facelets, 视图可以填充组件进行渲染。

  3. 新建的视图作为对客户端的响应而被渲染。

  4. 在渲染时,存储此视图的状态用于下一个请求。 存储输入组件和表单数据的状态。

  5. 客户端可以与视图交互,并从JSF应用程序请求另一个视图。 此时,保存的视图从存储状态恢复。

  6. 恢复视图再次通过JSF生命周期,如果没有验证问题,并且没有触发任何操作,最终将生成新视图或重新呈现当前视图。

  7. 如果请求相同的视图,则再次呈现存储的视图。

  8. 如果要求新视图,则继续执行【步骤2】。

  9. 将新视图作为对客户端的响应。

来源:https://www.yiibai.com/jsf/facelets.html

 

转载于:https://www.cnblogs.com/MeiT/p/8850152.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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