- Elasticsearch检索高亮不正确,不精确问题
问题场景:搜索“a”高亮"A8A",,,,,分词器:IK分词器确认分词结果:下图说明已经正确分词!确认高亮效果:换一种高亮器查询效果:对应java代码:总结:当高亮显示不精确的时候,要从以下两方面找问题:1.分词器是否分词准确2.高亮器是否满足你的要求,不满足换一种高亮器查看效果我之前原默认的高亮器(plain)不能满足要求,后来使用unified高亮器解决了高亮不精确的问题。
- docker安装Elasticsearch
Uluoyu
dockerelasticsearch
1.安装版本Elasticsearch(8.18.3)kibana(8.18.3)ik分词器(8.18.3)2.创建网络,让ES与Kibana容器互联dockernetworkcreatees-net3.加载镜像dockerpulldocker.elastic.co/elasticsearch/elasticsearch:8.18.3sudodockerpulldocker.elastic.co/
- Qwen3 Embedding 结构-加载-训练 看透模型设计哲学
看透一个顶级AI句向量模型的设计秘密,从文件结构到加载原理,再到其背后的训练哲学。1Qwen3-Embedding模型结构拆解说明:目录包含了运行一个基于Transformer的句向量模型所需的所有组件文件类别核心文件作用核心模型model.safetensors,config.jsonmodel.safetensors存储了模型所有训练好的权重分词器tokenizer.json,vocab.js
- 从0实现llama3
讨厌编程但喜欢LLM的学院派
人工智能python开发语言深度学习机器学习pytorch
分享一下从0实现llama的过程流程如下:word-->embeddinglayer-->n*decoderlayer-->finallinearlayer-->output分词器在embedding之前,需要进行分词,将句子分成单词。llama3采用了基于BPE算法的分词器。这个链接实现了一个非常简洁的BPE分词器简易分词器实现BPE分词器(选看)1)训练tokenizer词汇表并合并给定文本,
- 手把手从零打造 Llama3:解锁下一代预训练模型
会飞的Anthony
信息系统人工智能AIGC自然语言处理人工智能llama3AIGC
引言Llama3相较于Llama2,不仅在模型架构上做了显著优化,尤其是全局查询注意力机制(GQA)的引入,使得模型在大规模数据处理上表现更加出色。同时,Llama3采用了与GPT一致的tiktoken分词器,大幅提升了分词效率。本篇文章将带你从头构建Llama3预训练流程,深入了解其关键细节和实现方式,让你掌握这一下一代模型的核心技术。1.启动训练脚本在这一步中,我们将实现Llama3的预训练框
- 【机器学习&深度学习】模型微调的基本概念与流程
一叶千舟
深度学习【理论】机器学习深度学习人工智能
目录前言一、什么是模型微调(Fine-tuning)?二、预训练vs微调:什么关系?三、微调的基本流程(以BERT为例)1️⃣准备数据2️⃣加载预训练模型和分词器3️⃣数据编码与加载4️⃣定义优化器5️⃣开始训练6️⃣评估与保存模型四、是否要冻结BERT层?五、完整训练示例代码5.1环境依赖5.2执行代码总结:微调的优势前言在自然语言处理(NLP)快速发展的今天,预训练模型如BERT成为了众多任务
- 向量数据库milvus中文全文检索取不到数据的处理办法
--勇
数据库milvus全文检索
检查中文分词配置Milvus2.5+支持原生中文全文检索,但需显式配置中文分词器:创建集合时指定分词器类型为chinesepythonschema.add_field(field_name="text",datatype=DataType.VARCHAR,max_length=65535,enable_analyzer=True,analyzer_params={"type":"chinese"}
- Python 调用大模型:解锁人工智能的无限可能
CarlowZJ
AI应用落地+Pythonpython人工智能
目录一、大模型的概念与特点(一)大模型的定义(二)大模型的特点(三)大模型的原理(四)大模型的发展历史二、Python调用大模型的实现方法(一)使用OpenAIAPI设置API密钥定义提示文本调用OpenAIAPI输出生成的文本加载预训练模型和分词器2.使用HuggingFaceTransformers库三、Python调用大模型的流程图四、Python调用大模型注意事项的1.数据隐私与安全2.成
- springboot2.X集成spring data elasticsearch
向阳不像羊
springelasticsearchjava
1.准备工作在集成es之前,我们需要选择springboot对应的es版本,版本一定要选择正确,否则后面可能会出现各种各样的问题。下图是springboot与es客户端版本对应关系:我的springboot版本是2.4.10,所以这里我选择es客户端7.9.3的版本es下载链接:DownloadElasticsearch|Elasticik分词器下载链接:https://github.com/me
- 小白学大模型:Hugging Face Tokenizer
AI大模型_学习君
人工智能chatgpt语言模型自然语言处理大模型huggingfacetoken
Tokenizer介绍在自然语言处理(NLP)领域,Tokenizer(分词器)是准备输入模型的关键步骤之一。HuggingFace提供了用于各种模型的分词器库,其中大多数分词器都以两种风格提供:一种是完整的Python实现,另一种是基于Rust库Tokenizers的“Fast”实现。这两种实现方式各有特点,其中“Fast”实现具有两大优势:显著提升速度:特别是在批处理分词时,使用“Fast”实
- [AI]怎么计算中文被bert模型切分的tokens数量
just-do-it-zzj
AI人工智能自然语言处理
目录1.中文BERT的Tokenization原理2.使用HuggingFace库计算Token数3.特殊情况处理4.注意事项在BERT模型中,计算中文文本的Token数需要根据具体的中文BERT分词器(Tokenizer)来处理。以下是详细的步骤和示例:1.中文BERT的Tokenization原理按字切分(Char-level):大多数中文BERT模型会将每个汉字视为一个独立的Token,例如
- 5.安装IK分词器
卷土重来…
ElasticSearch开发语言elasticsearch
es创建倒排索引的时候,需要对文档进行分词。搜索时,需要对用户输入的内容分词。但是默认的分词规则对中文处理并不友好。英语分词器,一个汉子分成一个词,对于java英文单词会分成一个词。POST/_analyze{"text":"我住在北京这个大城市学习java","analyzer":"english"}中文分词器也是一样,一个汉子分成一个词POST/_analyze{"text":"我住在北京这个
- 【速写】policy与reward分词器冲突问题(附XAI阅读推荐)
囚生CY
速写python
TRL的PPOTrainer实现存在一个很严重的问题,它的model和reward_model两个参数所使用的分词器是必须相同的,否则一定会报错。之前已经提过,PPOTrainer要求训练数据(train_dataset参数)必须包含input_ids字段,这个跟SFTTrainer,DPOTrainer,GRPOTrainer都不同,查了一下源码(trl/trainer/ppo_trainer.
- JB3-6-ElasticSearch(一)
周航宇92
Java第三阶段-SSMelasticsearchjavaes搜索引擎kibana倒排索引REST
Java道经第3卷-第6阶-ElasticSearch(一)传送门:JB3-6-ElasticSearch(一)传送门:JB3-6-ElasticSearch(二)文章目录S01.ElasticSearchE01.基础概念入门1.ES搜索引擎组件2.ES倒排索引原理3.ES单机容器搭建4.ES集群容器搭建S02.KibanaE01.基础概念入门1.Kibana单机容器搭建2.安装IK分词器E02.
- Hugging Face基础入门
HuggingFace基础入门模型与分词器进阶用法什么是HuggingFace?Transformers库全景图HuggingFace与深度学习的融合安装Transformers与Datasets第一个Pipeline程序:一行代码跑大模型在CPU、GPU上运行的区别pipeline工作原理常见任务类型介绍pipeline参数详解与技巧模型命名规则解析模型下载缓存机制如何从Hub下载或上传模型什么
- 使用 docker 安装 MySQL、Redis、Nginx、nacos、es+kibana
友发小猿
linuxnginxcentosdockermysql
文章目录使用docker安装MySQL、Redis、Nginx、nacos、es+kibana、seatamysql:5.7.xredis:busternginx:perlnacosrabbitmq:3.8.23-managementelasticsearch:7.14.0+kibana:7.14.0elasticsearchkibanaik分词器使用docker安装MySQL、Redis、Ngi
- `tokenizer.decode` 出现乱码或异常输出,怎么处理
ZhangJiQun&MXP
2021AIpython2024大模型以及算力教学人工智能自然语言处理机器学习gpt
tokenizer.decode出现乱码或异常输出,怎么处理在使用HuggingFaceTransformers库进行大语言模型(LLM)开发时,tokenizer.decode出现乱码或异常输出,通常和模型输出的token序列、分词器对齐逻辑、特殊token处理有关。以下从模型侧、分词器侧、后处理环节给出解决方案一、模型与分词器核心配置检查1.确保分词器与模型严格匹配问题本质:如果加载模型和分词
- NLP中的input_ids是什么?
ZhangJiQun&MXP
2024大模型以及算力教学2021AIpython自然语言处理人工智能pythonpromptllama
在自然语言处理(NLP)中,input_ids是什么在自然语言处理(NLP)中,input_ids是将文本转换为模型可处理的数字表示后的结果,是模型输入的核心参数之一。一、基本概念文本数字化原始文本(如“Helloworld!”)无法直接被模型处理,需要通过分词器(Tokenizer)将其转换为数字序列。input_ids就是这个数字序列,每个数字对应词汇表(Vocabulary)中的一个toke
- LLM基础1_语言模型如何处理文本
激进小猪1002
语言模型人工智能自然语言处理
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn工具介绍tiktoken:OpenAI开发的专业"分词器"torch:Facebook开发的强力计算引擎,相当于超级计算器理解词嵌入:给词语画"肖像"传统方法:给每个词一个编号(就像学生学号)词嵌入:给每个词画一幅多维画像(就像用颜色、形状、纹理描述一幅画),但是计算机
- LLM基础2_语言模型如何文本编码
激进小猪1002
java服务器前端
基于GitHub项目:https://github.com/datawhalechina/llms-from-scratch-cn字节对编码(BPE)上一篇博文说到为什么GPT模型不需要[PAD]和[UNK]?GPT使用更先进的字节对编码(BPE),总能将词语拆分成已知子词为什么需要BPE?简单分词器的问题:遇到新词就卡住(如"Hello")BPE的解决方案:把陌生词拆成已知的小零件BPE如何工作
- 【Elasticsearch】为什么文档知识库落地中离不开ES?
杰哥哥不是个好叔叔
大数据搜索引擎
【Elasticsearch】为什么文档知识库落地中离不开ES?一·背景概述二·ES概览三·ES核心特性倒排索引和正排索引倒排索引是什么?倒排索引的创建和检索流程了解么?倒排索引检索流程:倒排索引由什么组成?正排索引呢?倒排索引和正排索引的区别是什么?Elasticsearch可以针对某些地段不做索引吗?分词器(Analyzer)分词器有什么用?常用分词器有哪些?分词器由什么组成?四·ES显著优势
- Elasticsearch 字段映射与数据类型
代码怪兽大作战
Elasticsearchelasticsearchjenkins大数据field全文检索搜索引擎
Elasticsearch字段映射与数据类型前言@Field注解的type属性1.FieldType.Keyword2.FieldType.Text(默认分词器)3.FieldType.Text(自定义分词器)4.FieldType.Integer5.FieldType.Long6.FieldType.Double7.FieldType.Float8.FieldType.Boolean9.Fiel
- Elasticsearch助力搜索领域的高效实现
AI天才研究院
计算AI大模型应用入门实战与进阶AIAgent应用开发elasticsearch大数据搜索引擎ai
Elasticsearch助力搜索领域的高效实现关键词:Elasticsearch、搜索引擎、分布式搜索、倒排索引、分片机制、相关性算法、全文检索摘要:本文深入解析Elasticsearch在搜索领域的核心技术与高效实现原理,从分布式架构设计、倒排索引机制、相关性算法优化等底层技术出发,结合具体代码案例和数学模型,系统阐述其在大规模数据场景下的应用实践。通过实战项目演示集群搭建、分词器配置、复杂查
- Qwen2学习笔记1:Qwen2模型原理
guoyukun1
学习笔记
1.Tokenizer(分词器)功能:将输入的文本转化为模型可以理解的input_ids(tokenID)。通过查找词汇表,将文本中的每个词汇转换成一个唯一的整数ID。代码位置:在Qwen2Tokenizer类中定义(此类继承自PreTrainedTokenizer),负责处理token的转化。fromtransformersimportQwen2Tokenizer#加载Qwen2的tokeniz
- 微调后的模型保存与加载
为啥全要学
模型保存大模型微调大模型模型保存
在HuggingFaceTransformers库中,微调后的模型保存与加载方式因微调方法(如常规微调或参数高效微调)而异。一、常规微调模型的保存与加载1、保存完整模型使用save_pretrained()方法可将整个模型(包含权重、配置、分词器)保存到指定目录:保存模型、分词器、配置model.save_pretrained("./my_finetuned_model")tokenizer.sa
- RestFul操作ElasticSearch:索引与文档全攻略
弥鸿
javajava-eerestfulelasticsearch后端
RestFul方式操作ES索引库操作创建索引库PUT/索引库名称{"mappings":{"properties":{"字段名":{"type":"字段类型","analyzer":"分词器","index":"是否参与搜索(布尔值)"},...}}}查询索引库GET/索引库名删除索引库/DELETE/索引库名修改索引库(增加字段)ES中是禁止修改索引库的,因为修改索引库的操作会导致整个索引库变得
- elasticsearch、kibana、ik分词器各版本免费下载
岑寂子
elasticsearch搜索引擎
因为淋过雨,所以要为你们撑伞!不要钱,鄙视付费!注意版本要统一!一、elasticsearch华为云的镜像网站-elasticsearch或百度网盘:elasticsearch-7.8.0-linux-x86_64.tar.gz二、kibana华为云的镜像网站-kibana或百度网盘:kibana-7.8.0-linux-x86_64.tar.gz三、ik分词器github-ik分词器或百度网盘:
- Elasticsearch Kibana ik分词器(7.6.2版本) 下载
转载为了学习
ELKelasticsearchkibanaelkik分词器
kibana-7.6.2-linux-x86_64.tar.gzelasticsearch-7.6.2-linux-x86_64.tar.gzelasticsearch-analysis-ik-7.6.2.zip链接:https://pan.baidu.com/s/1WXX1t2kzwFRSEzJqx5Of5w提取码:4lbc官网是真慢API命令https://www.cnblogs.com/pi
- AI开发中的Token:从基础到优化全解析
爱的叹息
开发工具人工智能人工智能深度学习ai神经网络语言模型
一、Token的含义详解在AI应用开发中,尤其是在基于大语言模型(LLM)的系统中,token是模型处理和生成文本的基本单位。它可以是一个单词、一个标点符号、一个子词(subword),甚至是一个特殊符号。1.什么是Token?模型不会直接理解人类语言,而是将文本切分成更小的单元进行处理。这些单元就是token,是模型输入输出的最小语义/语法单位。2.Token的来源:分词器(Tokenizer)
- Elasticsearch 分词与字段类型(keyword vs. text)面试题
真实的菜
eselasticsearch
Elasticsearch分词与字段类型(keywordvs.text)面试题目录基础概念底层存储查询影响多字段聚合与排序分词器实战排查总结基础概念问题1:Elasticsearch中的keyword和text类型有什么区别?查看参考答案对比项keywordtext分词(Analysis)❌不进行分词,存储原始字符串✅存入时先分词(如标准分词器)搜索方式只能精确匹配(如term查询)支持全文检索(
- jvm调优总结(从基本概念 到 深度优化)
oloz
javajvmjdk虚拟机应用服务器
JVM参数详解:http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html
Java虚拟机中,数据类型可以分为两类:基本类型和引用类型。基本类型的变量保存原始值,即:他代表的值就是数值本身;而引用类型的变量保存引用值。“引用值”代表了某个对象的引用,而不是对象本身,对象本身存放在这个引用值所表示的地址的位置。
- 【Scala十六】Scala核心十:柯里化函数
bit1129
scala
本篇文章重点说明什么是函数柯里化,这个语法现象的背后动机是什么,有什么样的应用场景,以及与部分应用函数(Partial Applied Function)之间的联系 1. 什么是柯里化函数
A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a
- HashMap
dalan_123
java
HashMap在java中对很多人来说都是熟的;基于hash表的map接口的非同步实现。允许使用null和null键;同时不能保证元素的顺序;也就是从来都不保证其中的元素的顺序恒久不变。
1、数据结构
在java中,最基本的数据结构无外乎:数组 和 引用(指针),所有的数据结构都可以用这两个来构造,HashMap也不例外,归根到底HashMap就是一个链表散列的数据
- Java Swing如何实时刷新JTextArea,以显示刚才加append的内容
周凡杨
java更新swingJTextArea
在代码中执行完textArea.append("message")后,如果你想让这个更新立刻显示在界面上而不是等swing的主线程返回后刷新,我们一般会在该语句后调用textArea.invalidate()和textArea.repaint()。
问题是这个方法并不能有任何效果,textArea的内容没有任何变化,这或许是swing的一个bug,有一个笨拙的办法可以实现
- servlet或struts的Action处理ajax请求
g21121
servlet
其实处理ajax的请求非常简单,直接看代码就行了:
//如果用的是struts
//HttpServletResponse response = ServletActionContext.getResponse();
// 设置输出为文字流
response.setContentType("text/plain");
// 设置字符集
res
- FineReport的公式编辑框的语法简介
老A不折腾
finereport公式总结
FINEREPORT用到公式的地方非常多,单元格(以=开头的便被解析为公式),条件显示,数据字典,报表填报属性值定义,图表标题,轴定义,页眉页脚,甚至单元格的其他属性中的鼠标悬浮提示内容都可以写公式。
简单的说下自己感觉的公式要注意的几个地方:
1.if语句语法刚接触感觉比较奇怪,if(条件式子,值1,值2),if可以嵌套,if(条件式子1,值1,if(条件式子2,值2,值3)
- linux mysql 数据库乱码的解决办法
墙头上一根草
linuxmysql数据库乱码
linux 上mysql数据库区分大小写的配置
lower_case_table_names=1 1-不区分大小写 0-区分大小写
修改/etc/my.cnf 具体的修改内容如下:
[client]
default-character-set=utf8
[mysqld]
datadir=/var/lib/mysql
socket=/va
- 我的spring学习笔记6-ApplicationContext实例化的参数兼容思想
aijuans
Spring 3
ApplicationContext能读取多个Bean定义文件,方法是:
ApplicationContext appContext = new ClassPathXmlApplicationContext(
new String[]{“bean-config1.xml”,“bean-config2.xml”,“bean-config3.xml”,“bean-config4.xml
- mysql 基准测试之sysbench
annan211
基准测试mysql基准测试MySQL测试sysbench
1 执行如下命令,安装sysbench-0.5:
tar xzvf sysbench-0.5.tar.gz
cd sysbench-0.5
chmod +x autogen.sh
./autogen.sh
./configure --with-mysql --with-mysql-includes=/usr/local/mysql
- sql的复杂查询使用案列与技巧
百合不是茶
oraclesql函数数据分页合并查询
本片博客使用的数据库表是oracle中的scott用户表;
------------------- 自然连接查询
查询 smith 的上司(两种方法)
&
- 深入学习Thread类
bijian1013
javathread多线程java多线程
一. 线程的名字
下面来看一下Thread类的name属性,它的类型是String。它其实就是线程的名字。在Thread类中,有String getName()和void setName(String)两个方法用来设置和获取这个属性的值。
同时,Thr
- JSON串转换成Map以及如何转换到对应的数据类型
bijian1013
javafastjsonnet.sf.json
在实际开发中,难免会碰到JSON串转换成Map的情况,下面来看看这方面的实例。另外,由于fastjson只支持JDK1.5及以上版本,因此在JDK1.4的项目中可以采用net.sf.json来处理。
一.fastjson实例
JsonUtil.java
package com.study;
impor
- 【RPC框架HttpInvoker一】HttpInvoker:Spring自带RPC框架
bit1129
spring
HttpInvoker是Spring原生的RPC调用框架,HttpInvoker同Burlap和Hessian一样,提供了一致的服务Exporter以及客户端的服务代理工厂Bean,这篇文章主要是复制粘贴了Hessian与Spring集成一文,【RPC框架Hessian四】Hessian与Spring集成
在
【RPC框架Hessian二】Hessian 对象序列化和反序列化一文中
- 【Mahout二】基于Mahout CBayes算法的20newsgroup的脚本分析
bit1129
Mahout
#!/bin/bash
#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements. See the NOTICE file distributed with
# this work for additional information re
- nginx三种获取用户真实ip的方法
ronin47
随着nginx的迅速崛起,越来越多公司将apache更换成nginx. 同时也越来越多人使用nginx作为负载均衡, 并且代理前面可能还加上了CDN加速,但是随之也遇到一个问题:nginx如何获取用户的真实IP地址,如果后端是apache,请跳转到<apache获取用户真实IP地址>,如果是后端真实服务器是nginx,那么继续往下看。
实例环境: 用户IP 120.22.11.11
- java-判断二叉树是不是平衡
bylijinnan
java
参考了
http://zhedahht.blog.163.com/blog/static/25411174201142733927831/
但是用java来实现有一个问题。
由于Java无法像C那样“传递参数的地址,函数返回时能得到参数的值”,唯有新建一个辅助类:AuxClass
import ljn.help.*;
public class BalancedBTree {
- BeanUtils.copyProperties VS PropertyUtils.copyProperties
诸葛不亮
PropertyUtilsBeanUtils
BeanUtils.copyProperties VS PropertyUtils.copyProperties
作为两个bean属性copy的工具类,他们被广泛使用,同时也很容易误用,给人造成困然;比如:昨天发现同事在使用BeanUtils.copyProperties copy有integer类型属性的bean时,没有考虑到会将null转换为0,而后面的业
- [金融与信息安全]最简单的数据结构最安全
comsci
数据结构
现在最流行的数据库的数据存储文件都具有复杂的文件头格式,用操作系统的记事本软件是无法正常浏览的,这样的情况会有什么问题呢?
从信息安全的角度来看,如果我们数据库系统仅仅把这种格式的数据文件做异地备份,如果相同版本的所有数据库管理系统都同时被攻击,那么
- vi区段删除
Cwind
linuxvi区段删除
区段删除是编辑和分析一些冗长的配置文件或日志文件时比较常用的操作。简记下vi区段删除要点备忘。
vi概述
引文中并未将末行模式单独列为一种模式。单不单列并不重要,能区分命令模式与末行模式即可。
vi区段删除步骤:
1. 在末行模式下使用:set nu显示行号
非必须,随光标移动vi右下角也会显示行号,能够正确找到并记录删除开始行
- 清除tomcat缓存的方法总结
dashuaifu
tomcat缓存
用tomcat容器,大家可能会发现这样的问题,修改jsp文件后,但用IE打开 依然是以前的Jsp的页面。
出现这种现象的原因主要是tomcat缓存的原因。
解决办法如下:
在jsp文件头加上
<meta http-equiv="Expires" content="0"> <meta http-equiv="kiben&qu
- 不要盲目的在项目中使用LESS CSS
dcj3sjt126com
Webless
如果你还不知道LESS CSS是什么东西,可以看一下这篇文章,是我一朋友写给新人看的《CSS——LESS》
不可否认,LESS CSS是个强大的工具,它弥补了css没有变量、无法运算等一些“先天缺陷”,但它似乎给我一种错觉,就是为了功能而实现功能。
比如它的引用功能
?
.rounded_corners{
- [入门]更上一层楼
dcj3sjt126com
PHPyii2
更上一层楼
通篇阅读完整个“入门”部分,你就完成了一个完整 Yii 应用的创建。在此过程中你学到了如何实现一些常用功能,例如通过 HTML 表单从用户那获取数据,从数据库中获取数据并以分页形式显示。你还学到了如何通过 Gii 去自动生成代码。使用 Gii 生成代码把 Web 开发中多数繁杂的过程转化为仅仅填写几个表单就行。
本章将介绍一些有助于更好使用 Yii 的资源:
- Apache HttpClient使用详解
eksliang
httpclienthttp协议
Http协议的重要性相信不用我多说了,HttpClient相比传统JDK自带的URLConnection,增加了易用性和灵活性(具体区别,日后我们再讨论),它不仅是客户端发送Http请求变得容易,而且也方便了开发人员测试接口(基于Http协议的),即提高了开发的效率,也方便提高代码的健壮性。因此熟练掌握HttpClient是很重要的必修内容,掌握HttpClient后,相信对于Http协议的了解会
- zxing二维码扫描功能
gundumw100
androidzxing
经常要用到二维码扫描功能
现给出示例代码
import com.google.zxing.WriterException;
import com.zxing.activity.CaptureActivity;
import com.zxing.encoding.EncodingHandler;
import android.app.Activity;
import an
- 纯HTML+CSS带说明的黄色导航菜单
ini
htmlWebhtml5csshovertree
HoverTree带说明的CSS菜单:纯HTML+CSS结构链接带说明的黄色导航
在线体验效果:http://hovertree.com/texiao/css/1.htm代码如下,保存到HTML文件可以看到效果:
<!DOCTYPE html >
<html >
<head>
<title>HoverTree
- fastjson初始化对性能的影响
kane_xie
fastjson序列化
之前在项目中序列化是用thrift,性能一般,而且需要用编译器生成新的类,在序列化和反序列化的时候感觉很繁琐,因此想转到json阵营。对比了jackson,gson等框架之后,决定用fastjson,为什么呢,因为看名字感觉很快。。。
网上的说法:
fastjson 是一个性能很好的 Java 语言实现的 JSON 解析器和生成器,来自阿里巴巴的工程师开发。
- 基于Mybatis封装的增删改查实现通用自动化sql
mengqingyu
DAO
1.基于map或javaBean的增删改查可实现不写dao接口和实现类以及xml,有效的提高开发速度。
2.支持自定义注解包括主键生成、列重复验证、列名、表名等
3.支持批量插入、批量更新、批量删除
<bean id="dynamicSqlSessionTemplate" class="com.mqy.mybatis.support.Dynamic
- js控制input输入框的方法封装(数字,中文,字母,浮点数等)
qifeifei
javascript js
在项目开发的时候,经常有一些输入框,控制输入的格式,而不是等输入好了再去检查格式,格式错了就报错,体验不好。 /** 数字,中文,字母,浮点数(+/-/.) 类型输入限制,只要在input标签上加上 jInput="number,chinese,alphabet,floating" 备注:floating属性只能单独用*/
funct
- java 计时器应用
tangqi609567707
javatimer
mport java.util.TimerTask; import java.util.Calendar; public class MyTask extends TimerTask { private static final int
- erlang输出调用栈信息
wudixiaotie
erlang
在erlang otp的开发中,如果调用第三方的应用,会有有些错误会不打印栈信息,因为有可能第三方应用会catch然后输出自己的错误信息,所以对排查bug有很大的阻碍,这样就要求我们自己打印调用的栈信息。用这个函数:erlang:process_display (self (), backtrace).需要注意这个函数只会输出到标准错误输出。
也可以用这个函数:erlang:get_s