- leedCode:地图分析
卖报的火柴人
算法java
题目:你现在手里有一份大小为nxn的网格grid,上面的每个单元格都用0和1标记好了。其中0代表海洋,1代表陆地。请你找出一个海洋单元格,这个海洋单元格到离它最近的陆地单元格的距离是最大的,并返回该距离。如果网格上只有陆地或者海洋,请返回-1。我们这里说的距离是「曼哈顿距离」(ManhattanDistance):(x0,y0)和(x1,y1)这两个单元格之间的距离是|x0-x1|+|y0-y1|
- ROS常用的路径规划算法介绍
Xian-HHappy
机器人-Robot算法机器人路径规划ROS
在ROS中,常用的路径规划算法主要有以下几种:全局路径规划算法A*算法:在Dijkstra算法基础上加入启发式函数,如曼哈顿距离或欧氏距离,优先探索靠近目标的节点,效率更高。需使用可容许的启发式函数以保证最优性,其通过配置启发式权重可平衡最优性与速度。在ROS中,nav2_planner中的SmacPlanner支持2D/3D的A*算法。Dijkstra算法:代价地图中的基础路径搜索方法,采用广度
- 莫队算法 —— 将暴力玩出花
秒啦
算法
莫队算法——将暴力玩出花一、为什么需要莫队?——暴力法的瓶颈我们已经学会了用分块处理一些在线的区间问题。现在,我们来看一类特殊的离线区间查询问题。“离线”意味着我们可以把所有查询先读进来,再按我们喜欢的顺序去处理它们。思考一个问题:给定一个长度为N的数组,M次询问。每次询问一个区间[l,r],问区间内有多少种数字至少出现了2次?那我们回到最朴素的暴力。纯暴力:对于每个询问(l,r),都for一遍,
- leetcode 3443. K 次修改后的最大曼哈顿距离 中等
圣保罗的大教堂
模拟leetcodeleetcode
给你一个由字符'N'、'S'、'E'和'W'组成的字符串s,其中s[i]表示在无限网格中的移动操作:'N':向北移动1个单位。'S':向南移动1个单位。'E':向东移动1个单位。'W':向西移动1个单位。初始时,你位于原点(0,0)。你最多可以修改k个字符为任意四个方向之一。请找出在按顺序执行所有移动操作过程中的任意时刻,所能达到的离原点的最大曼哈顿距离。曼哈顿距离定义为两个坐标点(xi,yi)和
- 【数据挖掘】期末复习模拟题(暨考试题)
chaser&upper
数据分析随笔小记数据挖掘python聚类
数据挖掘-期末复习试题挑战全网最全题库单选题多选题判断题填空题程序填空sigmoid曼哈顿距离泰坦尼克号披萨价格预测鸢尾花DBSCN密度聚类决策树购物表单-关联规则火龙果-关联分析数据非线性映射高斯朴素贝叶斯分类器手写数字识别k1-10聚类平均偏差程序分析PM2.5线性回归Titanic数据清洗KNN鸢尾花Kmeans聚类KNN电影分类频繁k项集混淆矩阵OverlookMOOC总结挑战全网最全题库
- 备战菊厂笔试4
ceilf
笔经python算法leetcode
目录39.组合总和回溯(单向剪枝)3102.最小化曼哈顿距离利用曼哈顿距离的性质3163.压缩字符串346.全排列53.最大子数组和39.组合总和39.组合总和注意:set不能添加list得加元组元组不可修改sorted后得赋值classSolution:defcombinationSum(self,candidates,target):ans=set()deffenjie(num,se):ifn
- 构建推荐系统的相似检索技术:从距离度量到深度学习的快速了解
张彦峰ZYF
互联网系统架构与深入学习汇总算法后端推荐算法
目录一、相似检索方法总体分析二、基于距离度量的方法(一)余弦相似度(二)欧氏距离(三)曼哈顿距离(四)汉明距离三、基于集合的方法(一)Jaccard相似度(二)杰卡德距离四、基于内容的方法五、协同过滤方法(一)基于用户的协同过滤基本原理应用分析案例数据准备工作原理步骤案例分析(二)基于物品的协同过滤基本原理应用分析案例数据准备工作原理步骤案例分析六、基于图的方法(一)基本原理(二)案例应用案例:社
- Leetcode - 周赛435
一叶祇秋
Leetcode周赛leetcode算法职场和发展
目录一、3442.奇偶频次间的最大差值I二、3443.K次修改后的最大曼哈顿距离三、3444.使数组包含目标值倍数的最少增量四、3445.奇偶频次间的最大差值II一、3442.奇偶频次间的最大差值I题目链接本题使用数组统计字符串sss中每个字符的出现次数,然后求出现次数为奇数的最大值和出现次数为偶数的最小值,将它们相减得到答案。代码如下:classSolution{publicintmaxDiff
- A*迷宫寻路
J1481852914
人工智能实验算法
二、实验内容以寻路问题为例实现A*算法的求解程序,设计两种不同的估价函数:1.设置两种地图:根据题意,用矩阵设置两个地图。地图1:设置5行5列的迷宫,代码如下:地图2:设置20行20列的迷宫,代码如下:2.设置两种启发式函数定义估价函数式中,g(n)为起点到n状态的最短路径代价的估计值,ℎ(n)是n状态到目的状态的最短路径代价的估计值。令g(n)为起点到n状态的曼哈顿距离,代码如下:定义两种启发式
- KNN算法实战:从原理到代码的全面解析
EtherWanderer
机器学习算法近邻算法机器学习人工智能
KNN算法实战:从原理到代码的全面解析本文深入浅出地解析KNN(K最近邻)算法的核心思想,围绕“距离计算、k值选择、分类与回归”三大步骤展开讲解。通过“身高预测体重”的实例,结合Python代码实现,生动演示KNN在回归问题中的应用,并分析k值选择对结果的影响。文章涵盖欧氏距离、曼哈顿距离等关键概念,以及交叉验证调参技巧,适合机器学习初学者快速入门并动手实践。核心思想:物以类聚,人以群分通过距离最
- [leetcode]2662. 前往目标的最小代价(二维坐标建图)
Joe_Wang5
leetcode算法职场和发展
题目链接题意二维坐标系上有起点(sx,sy),终点(tx,ty)任意两点间的距离是曼哈顿距离(无向边)另外给出特殊路径(有向边)u,v,w表示u->v的距离为w思路建图只需要建起点终点和特殊路径的点和边因为走其他的点一定不是最优的从a点走到b点再从b点走到c点所走的曼哈顿距离是跟从a点直接走到c点一样的Codeusingll=longlong;#definepiipairusingar2=arra
- 相似度计算全攻略:从理论到Python实战
gorgor在码农
#Python基础python开发语言
目录一、基于向量的相似度1.余弦相似度(CosineSimilarity)2.点积(DotProduct)3.欧氏距离(EuclideanDistance)4.曼哈顿距离(ManhattanDistance)二、基于集合的相似度1.Jaccard相似系数(JaccardIndex)2.余弦相似度的集合扩展三、基于统计的相似度1.皮尔逊相关系数(PearsonCorrelation)2.斯皮尔曼秩相
- 毕业设计 基于Astart的寻路算法设计与实现
m0_71572237
算法毕业设计python毕设
文章目录0简介算法介绍广度优先搜索Dijkstra算法最佳优先搜索A*算法启发函数关于距离曼哈顿距离对角距离欧几里得距离算法实现坐标点与地图算法主体测试入口实现效果最后0简介今天学长向大家分享一个毕业设计项目毕业设计基于Astart的寻路算法设计与实现项目运行效果:毕业设计基于Astart的自动寻路算法项目分享:见文末!算法介绍A*(念做:AStar)算法是一种很常用的路径查找和图形遍历算法。它有
- python 实现 A* 算法
dev.null
Pythonpython算法开发语言
A*算法是一种广泛使用的路径搜索算法,结合了启发式搜索和Dijkstra算法的优点。它通过评估每个节点的代价函数(f(n)=g(n)+h(n))来选择最优路径,其中:(g(n))是从起点到当前节点的实际代价。(h(n))是从当前节点到目标节点的启发式估计代价(如曼哈顿距离或欧几里得距离)。以下是一个Python实现的A*算法示例:Python实现A*算法importheapqfrommathimp
- 转换器与预估器,KNN算法,朴素贝叶斯算法,决策树,随机森林的特点,优缺点
qq_43625764
笔记KNN算法随机森林朴素贝叶斯算法机器学习算法决策树
转换器与预估器,KNN算法,朴素贝叶斯算法,决策树,随机森林的特点,优缺点1转换器与预估器实例化转换器fit_transform转换实例化预估器fit将训练集的特征值和目标值传进来fit运行完后,已经把这个模型训练出来了2KNN算法根据你的邻居来推测你的类别,如何确定谁是你的邻居(用距离公式,最常用的是欧式距离)还有曼哈顿距离–求绝对值,明可夫斯基距离(欧式距离和曼哈顿距离的一个退p=1曼哈顿距离
- 【路径规划】二维Dijkstra启发式改进算法
神精兵院院长
Python算法算法python动态规划
我们使用了A*算法的启发式(曼哈顿距离)来改进Dijkstra算法的性能。当我们将邻居节点添加到优先队列时,我们使用了distance+heuristic作为优先级,这样我们可以更快地找到通往目标节点的路径。importheapqimportnumpyasnpdefheuristic(a,b):(x1,y1)=a(x2,y2)=breturnabs(x1-x2)+abs(y1-y2)#使用曼哈顿距
- Codeforces Round 974 (Div. 3) H题 Robin Hood Archery(基础莫队,随机异或哈希)
Auto114514
Codeforces哈希算法散列表算法c++数据结构
题目链接CodeforcesRound974(Div.3)H题RobinHoodArchery思路1因为警长是后手,按照最优的策略,只有每一种数的个数是偶数个的时候,警长会平局,否则警长会输。随着询问区间端点的变化,答案的转移是O(1)O(1)O(1)的。因此,我们可以使用基础莫队进行离线求解。代码1#pragmaGCCoptimize("O2")#pragmaGCCoptimize("O3")#
- 距离度量方法
进击的学徒
机器学习标准距离矢量算法
目录目录1欧氏距离1原理2例子2曼哈顿距离1原理2例子3切比雪夫距离1原理2例子4闵可夫斯基距离1原理2例子5标准化欧氏距离1原理2例子6马氏距离1原理2例子7巴氏距离1原理8汉明距离9夹角余弦1原理2例子1、欧氏距离1.1原理最常见的两点之间或多点之间的距离表示法,又称之为欧几里德度量,它定义于欧几里得空间中。二维平面上两点a(x1,y1),b(x2,y2)之间的欧式距离公式:dab=(x1−x
- 曼哈顿距离vs欧氏距离
飞奔的大虎
欧式距离,即欧几里得距离,是最常见的两点之间的距离表示法,它定义在欧几里得空间中,例如x=(x1,x2,...,xn)和y=(y1,y2,...,yn)的欧式距离可表示为:曼哈顿距离,是欧几里得空间中两点之间的线段在坐标轴上的投影的距离的和,例如x=(x1,x2)y=(y1,y2)则两点的曼哈顿距离可表示为:
- 【机器学习】3. 欧式距离,曼哈顿距离,Minkowski距离,加权欧式距离
pen-ai
机器学习机器学习人工智能深度学习pythonscikit-learn
Euclidean-L2normL2范数D(A,B)=(a1−b1)2+(a2−b2)2+...D(A,B)=\sqrt{(a_1-b_1)^2+(a_2-b_2)^2+...}D(A,B)=(a1−b1)2+(a2−b2)2+...ManhattanD(A,B)=∣a1−b1∣+∣a2−b2∣+...D(A,B)=\sqrt{|a_1-b_1|+|a_2-b_2|+...}D(A,B)=∣a1−
- 机器学习中的各种距离
千寻~
机器学习机器学习距离曼哈顿距离欧氏距离切比雪夫距离
在做分类时常常需要估算不同样本之间的相似性(SimilarityMeasurement),这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正确与否。本文的目的就是对常用的相似性度量作一个总结。本文目录:1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离&杰
- 机器学习 | 距离计算
X1AO___X1A
机器学习基础无监督学习#聚类算法机器学习无监督学习聚类距离计算
文章目录距离计算1.闵可夫斯基距离(有序属性)1.1曼哈顿距离1.2欧氏距离2.VDM距离(无序属性)3.MinkovDM距离(混合属性)4.加权距离(重要性不同)参考资料相关文章:机器学习|目录机器学习|聚类评估指标无监督学习|KMeans与KMeans++原理无监督学习|KMeans之Skleaen实现:电影评分聚类距离计算对函数dist(⋅,⋅)dist(\cdot,\cdot)dist(⋅
- 机器学习-近邻KNN算法学习笔记
不会敲代码的陈序员
机器学习算法人工智能
目录一、算法定义KNN算法性能:欠拟合和过拟合KNN算法优缺点二、算法原理算法通俗解释算法的公式欧氏距离曼哈顿距离三、算法实现与应用模型搭建思路KNN算法模型源码代码运行效果图四、总结一、算法定义K最近邻(K-NearestNeighbors,KNN)算法是一种用于分类和回归的监督学习算法。KNN算法的主要思想可以简单概括如下:训练阶段:在训练阶段,KNN算法将所有的训练样本和它们对应的标签存储在
- 【机器学习笔记】7 KNN算法
RIKI_1
机器学习机器学习笔记算法
距离度量欧氏距离(Euclideandistance)欧几里得度量(EuclideanMetric)(也称欧氏距离)是一个通常采用的距离定义,指在维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。曼哈顿距离(Manhattandistance)想象你在城市道路里,要从一个十字路口开车到另外一个十字路口,驾驶距离是两点间的直线
- 机器学习--K-近邻算法常见的几种距离算法详解
景天科技苑
机器学习算法机器学习近邻算法python
文章目录距离度量1欧式距离(EuclideanDistance)2曼哈顿距离(ManhattanDistance)3切比雪夫距离(ChebyshevDistance)4闵可夫斯基距离(MinkowskiDistance)5标准化欧氏距离(StandardizedEuclideanDistance)6余弦距离(CosineDistance)7汉明距离(HammingDistance)【了解】8杰卡德
- Codeforces Round 345 (Div. 1)A. Watchmen(容斥原理)
wa的一声哭了
codeforces算法springbootfastapidjangomavenjavastruts
A.Watchmen当欧几里得距离和曼哈顿距离相等时,x1==x2∣∣y1==y2x1==x2||y1==y2x1==x2∣∣y1==y2这两个条件满足其一。这和容斥原理一样,至少选择一个的条件。我们可以计算xi,以及小于i之前的这些,这样可以保证只计算一次。然后容斥一下计算答案。#include#defineintlonglong#definerep(i,a,b)for(inti=(a);i=(
- 机器学习1一knn算法
pyniu
机器学习机器学习人工智能
1.基础知识点介绍曼哈顿距离一般是比欧式距离长的除非在一维空间拐弯的就是曼哈顿距离Knn查看前5行数据head(),info看空非空查看特征对应的类型Head()默认前5行,head(3)就是前3行数据Unique()可以查看分类后的结果csv的数据应该是逗号分隔,但也不确定,要去查看数据不要只看拓展名要点进去看一下这个删掉没有把原数据删掉如果把原数据删掉加上inplace=true#练习1导入数
- L1归一化和L2归一化范数的详解和区别
code_Rocker
algorithm&&dataprocess机器学习L1L2
一句话介绍就是:L1norm就是绝对值相加,又称曼哈顿距离;L2norm就是欧几里德距离之和2范数:在向量范数范围内:1范数就是等于各个值的绝对值相加,这里不贴公式了。从公式上来说:L1的公式:绝对值相加L2的公式:欧几里德距离之和就是样本和标签之差的平方之和两个范数的简单性能对比:在正则化中二者的区别:同时注意由于L1是绝对值之和,因此同一个问题得出的解可能有多个:祭出万年不变的求街区最短路径,
- 深入理解K均值算法:Python中的应用与实践
theskylife
数据挖掘数据分析均值算法python机器学习数据挖掘人工智能
目录写在开头1.K均值算法基础1.1什么是K均值算法?1.2K均值算法的工作原理1.3算法的优势与局限性2.K均值算法的实现步骤2.1初始聚类中心的选择方法2.1.1随机选择初始中心点2.1.2K均值++算法2.2数据点与聚类中心的距离计算2.2.1欧氏距离计算2.2.2曼哈顿距离计算2.3更新聚类中心2.4重复迭代直至收敛-K均值在Python中的应用3.1Python中的K均值算法库3.2数据
- 应用python实现k近邻算法(学生活跃表现数据实战)
樱落辰`
python近邻算法机器学习
使用python语言应用SKlearn工具包实现KNN算法。SKlearn中包含有很多现成的机器学习算法包,可大幅度降低使用者1编程难度与复杂度,节省项目开发时间与人力成本。如上图所示的案例,进行KNN分类回归模型计算。KNN模型计算中,除K值的确定外,还有一个非常重要的计算,既样本点间的距离计算.距离计算的公式有很多,例如欧式距离,曼哈顿距离,切比雪夫距离,马氏距离等,我们本次应用欧式距离。例如
- 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