- 使用LangChainV3.0加载PDF文件并进行总结
毛毛的毛毛
pdfAI编程
LangChain目前已经更新到了V3版本,之前一直使用的V1版本,有很多方法都需要自己去封装,这次重新看了V3版本的API文档,很多方法都十分便利,调用方法简单明了十分方便,下面就来展示下这次对于PDF文件加载的优化处理:importtimefromlangchain.chains.summarizeimportload_summarize_chainfromlangchain_communit
- 深入解析LangChain:构建智能应用的全方位指南
AIGC大模型 吱屋猪
langchain语言模型人工智能自然语言处理llama百度机器学习
1.LangChain介绍与环境配置面试官:“你能先简单介绍一下LangChain吗?包括它的背景、主要功能,以及它在当前语言模型开发中的意义。”你:"LangChain是一个开源框架,旨在简化和增强基于语言模型的应用开发。随着语言模型,特别是大型预训练模型的兴起,开发者逐渐认识到这些模型不仅可以生成文本,还可以被用于处理复杂的对话、数据分析以及其他需要自然语言处理的任务。然而,这些模型的集成和实
- HTML语言的区块链
沈韡蕙
包罗万象golang开发语言后端
区块链技术的崛起与发展区块链是一种新兴的技术,它以其独特的去中心化、透明性和不可篡改性,正在全球范围内改变许多行业的游戏规则。在这篇文章中,我们将深入探讨区块链的基本概念、技术原理、应用场景以及未来的发展趋势。一、区块链的基本概念区块链,顾名思义,是一个由区块(Block)和链(Chain)组成的数据结构。每个区块中包含了一组交易记录,而这些区块通过加密算法和时间戳相互连接,形成一条连续的链条。这
- LangChain开发【NL2SQL】应用(few-shot优化)
向羿燃
LangChain开发及生态langchainai人工智能数据分析
前言之前发布的博客LangGraph开发Agent智能体应用【NL2SQL】-CSDN博客,留了一个问题,对于相对复杂的sql(leetcode中等难度的sql题),gpt4o就力不从心了。这篇文章来讲一下优化什么是few-shot使用这些少量的、调整后的样本对预训练模型进行微调其实就是给LLM少量示例关于few-shot的研究:https://medium.com/ubiai-nlp/step-
- 1.5 企业级AI大模型四阶技术全景解析:从Prompt到Pre-training的进化路径
少林码僧
掌握先机!从0起步实战AI大模型微调打造核心竞争力人工智能promptchatgptlangchaingpt
企业级AI大模型四阶技术全景解析:从Prompt到Pre-training的进化路径一、技术演进金字塔:四阶技术如何构建AI新范式▲预训练│(万亿参数基建)├─大模型微调│(领域知识注入)├─AI智能体│(任务自动化)└─提示工程(零样本交互)1.1技术层级关系与适用场景技术阶段技术门槛算力需求企业应用成熟度典型工具链提示工程★☆☆☆☆CPU即可90%+企业已部署LangChain、AutoGPT
- langchain学习笔记之小样本提示词Few-shot Prompt Template
静静的喝酒
langchain深度学习人工智能大模型开发langchain
langchain学习笔记之小样本提示词引言Few-shotPromptTemplates\text{Few-shotPromptTemplates}Few-shotPromptTemplates简单介绍示例集创建创建ExamplePrompt\text{ExamplePrompt}ExamplePrompt与ExampleSelector\text{ExampleSelector}Example
- 基于 llama-index与Qwen大模型实现RAG
uncle_ll
RAGllamaragqwenllm大模型
文章目录llama-index核心功能工作流程Qwen技术特点核心能力RAG核心原理关键优势工作流程知识准备阶段查询处理阶段检索与重排阶段语言模型调用阶段实现环境准备代码实现参考LlamaIndex和Langchain都是比较成熟的RAG和Agent框架,这里基于llama实现RAG框架,大模型选用阿里的开源模型Qwen大模型。可以实现Qwen2.5与外部数据(例如文档、网页等)的连接,利用Lla
- 使用OpenAI API进行文本分类标注
dgay_hua
人工智能python
技术背景介绍文本分类标注(Tagging)是一种非常有用的技术,可以对文档进行分类,例如情感分析、语言检测、风格判断、主题识别等。这项技术在自然语言处理(NLP)领域中有广泛的应用,例如社交媒体监控、客户反馈分析和自动化客服系统等。在本文中,我们将使用OpenAI的API,通过LangChain工具来进行文本分类标注。我们将展示如何定义分类函数和模式(schema),并通过实际代码演示实现文本分类
- 探索Hugging Face平台:AI工具和集成指南
stjklkjhgffxw
人工智能python
探索HuggingFace平台:AI工具和集成指南在人工智能和自然语言处理领域,HuggingFace无疑是一个备受瞩目的平台。无论是开发者还是研究者,大家都能从中找到适合的资源和工具。本篇文章旨在为大家深入介绍如何在HuggingFace平台上使用不同的功能模块,包括模型、API和工具集成。主要内容1.安装和集成要使用HuggingFace与Langchain的集成功能,我们首先需要安装lang
- 使用LangChain与OpenAI API进行向量嵌入和搜索的实战教程
bBADAS
langchainpython开发语言
使用LangChain与OpenAIAPI进行向量嵌入和搜索的实战教程相信很多开发者都对AI技术充满了兴趣,尤其是在如何实际应用这些技术上。今天,我们将详细探讨如何使用LangChain和OpenAIAPI进行向量嵌入和搜索,以构建一个可以对大量文本数据进行智能搜索的应用。技术背景介绍LangChain是一个用于构建大型语言模型(LLM)应用的强大工具集,能够帮助开发者快速构建智能应用。结合Ope
- 深度学习-108-大语言模型LLM之基于langchain的结构化输出功能提取结构化信息
皮皮冰燃
深度学习深度学习语言模型langchain
文章目录1langchain的结构化输出1.1推荐的使用流程1.2模式定义1.3返回结构化输出1.3.1工具调用(方式一)1.3.2JSON模式(方式二)1.3.3结构化输出法(方式三)2提取结构化信息2.1定义数据模型2.2配置提示模板2.3设置执行链3参考附录1langchain的结构化输出对于许多应用程序,例如聊天机器人,模型需要直接用自然语言响应用户。然而,在某些情况下,我们需要模型以结构
- 真正通俗易懂的Langchain入门学习(六)
caridle
智能体langchain学习
五、下一步行动:从学习者到创造者的跃迁1.启动你的第一个项目(3天实践计划)行动指南:graphTDA[第1天:选择方向]-->B{{三选一}}B-->C[客服助手]B-->D[论文分析]B-->E[数据助手]C/D/E-->F[第2天:搭建基础]F-->G[第3天:添加特色功能]具体任务:基础版必做:运行课堂示例代码替换为自己的数据(如上传公司产品手册/个人学习笔记)特色功能选装:给客服助手添加
- 真正通俗易懂的Langchain入门学习(四)
caridle
智能体langchain学习
三、核心模块深入:像搭积木一样组装AI能力1.Models(模型层):给你的AI换个“大脑”场景需求:需要更高精度的回答?→换GPT-4数据敏感必须本地部署?→用开源模型想节省成本?→选择按量付费的模型实操演示:#使用OpenAI的GPT-4(需账户有访问权限)fromlangchain.chat_modelsimportChatOpenAIgpt4=ChatOpenAI(model="gpt-4
- 真正通俗易懂的Langchain入门学习(五)
caridle
智能体langchain学习
四、项目实战:从玩具到工具的蜕变项目1:智能客服助手(1-2天)场景需求:用户咨询产品信息→自动查询数据库处理退换货请求→生成工单并邮件通知多轮对话→记住用户历史订单技术栈:产品咨询售后服务用户提问意图识别Chain类型判断数据库查询Agent工单生成Chain组织回复回复美化Transform分步实现:搭建基础问答链fromlangchain.chainsimportRetrievalQA#连接
- 真正通俗易懂的Langchain入门学习(一)
caridle
智能体langchain学习数据库
以下是针对初学者的LangChain基础学习提纲,从理论到实践逐步深入,帮助你系统掌握核心概念与应用:一、基础认知(1-2天)什么是LangChain?定义:基于语言模型(LLM)构建应用程序的框架。核心功能:连接LLM与外部数据/工具、管理对话流程、自动化复杂任务。典型应用场景:聊天机器人、文档问答、数据分析助手、自动化工作流。与普通LLM应用的区别:支持多步骤任务、记忆管理、外部工具集成。核心
- AI Agent智能应用从0到1定制开发Langchain+LLM全流程解决方案与落地实战
AI知识分享官
人工智能langchain算法数据挖掘计算机视觉机器学习产品经理
大模型微调实战:精通、指令微调、开源大模型微调、对齐与垂直领域应用29套AI全栈大模型项目实战,人工智能视频课程-多模态大模型,微调技术训练营,大模型多场景实战,AI图像处理,AI量化投资,OPenCV视觉处理,机器学习,Pytorch深度学习,推荐系统,自动驾驶,训练私有大模型,LLM大语言模型,大模型多场景实战,Agent智能应用,AIGC实战落地,ChatGPT虚拟数字人,Djourney智
- opencv交叉编译
月光下的麦克
opencv人工智能计算机视觉
适用于瑞芯微,海思,酷芯等ARM平台。采用编译脚本配置编译选项,方便编译。目录一、创建目录二、工具链配置三、编译脚本四、编译一、创建目录mike@mike-virtual-machine:opencv-4.12/opencv/opencv$tree.-L1.├──3rdparty├──apps├──armlinux.toolchain.cmake├──build├──build.sh├──cmak
- 【Python设计模式22】职责链模式
一碗姜汤
设计模式python设计模式
职责链模式(ChainofResponsibilityPattern)是一种行为型设计模式,它允许多个对象都有机会处理请求,从而避免请求的发送者和接收者之间的耦合。这些对象被连接成一条链,并沿着这条链传递请求,直到有一个对象处理它为止。职责链模式的结构职责链模式主要包括以下几个角色:处理者接口(Handler):定义处理请求的接口,并且在接口中声明一个设置后继处理者的方法。具体处理者(Concre
- Python设计模式详解之22 ——职责链模式
拾工
Python设计模式python设计模式
ChainofResponsibility(职责链)设计模式详解ChainofResponsibility(职责链)设计模式是一种行为型设计模式,它允许多个对象依次处理一个请求,而无需知道请求的发送者或最终处理者。这种模式通过创建一条“职责链”,将请求沿着链传递,直到被某个对象处理或到达链的末端。1.定义职责链模式将请求的处理逻辑分离到一系列的处理者对象中,客户端只需发出请求,无需关心具体由谁处理
- Langchain.js与ScriptEcho:推动AI文本生成与前端开发的创新
2401_89747417
langchainjavascript人工智能前端
引言在当今快速发展的科技领域,AI文本生成和前端开发的结合正成为一个重要的趋势。Langchain.js作为一个强大的工具,正在为开发者提供前所未有的便利。Langchain.js不仅连接了多个大型语言模型,还通过其灵活的架构,帮助开发者简化了AI应用的开发流程。同时,ScriptEcho作为一款创新的前端开发工具,正通过自动化功能提升开发效率。本文将深入探讨Langchain.js的核心概念及其
- 本地运行LangChain项目的完整指南
qq_37836323
langchainpython
老铁们,今天我们来聊一聊如何在本地运行LangChain项目并提交你的第一段代码。对于开发容器来说,你可以查看.devcontainer文件夹。咱们的项目是通过Poetryv1.7.1+来管理依赖的。如果你用Conda,记得先创建并激活一个新的Conda环境,例如condacreate-nlangchainpython=3.9。Poetry的安装在安装Poetry之前,老铁们注意,如果你使用Con
- 精通LangChain:如何使用Unstructured处理多种格式的图像文档
hshahtjtbh
langchainpython
#引言随着人工智能和深度学习的快速发展,文档图像分析(DocumentImageAnalysis,DIA)在许多领域中变得至关重要。然而,处理多种图像格式的文档仍然是一个挑战。本文将介绍如何使用Unstructured库,通过LangChain框架加载和处理多种格式的图像文档,帮助您在DIA任务中实现更高效的工作流程。#主要内容##安装Unstructured在开始之前,确保安装了Unstruct
- langchain UnstructuredPDFLoader读取pdf仅生成单篇Document解决办法
未来已存在
langchainpdf前端
fromlangchain.document_loadersimportUnstructuredPDFLoaderloader=UnstructuredPDFLoader("test.pdf")pages=loader.load_and_split()langchain的UnstructuredPDFLoader默认采用的是fast解析,如果是比较长的pdf,会发现没有分割文档,把整篇文章都放到一
- 《深入了解Unstructured包:在LangChain中使用Unstructured.IO提取干净文本》
cgsayuclv
langchainpython
引言在现代数据处理和人工智能应用中,解析和清洗文本数据是一个重要的环节。无论是PDF文件、Word文档还是CSV文件,能够高效地提取有用信息对下游任务至关重要。这篇文章将介绍如何使用Unstructured.IO的Unstructured包来从原始文档中提取干净文本,并在LangChain框架中使用它。本文将包含安装与设置指南、详细教程、代码示例、常见问题及解决方案,并提供进一步学习的资源。主要内
- 使用Unstructured和LangChain处理非结构化数据:全面指南
qq_37836323
langchainpython
使用Unstructured和LangChain处理非结构化数据:全面指南1.引言在当今的数据驱动世界中,处理非结构化数据是一项至关重要的技能。Unstructured.IO的unstructured包为从PDF、Word文档等原始源文档中提取干净文本提供了强大的解决方案。本文将深入探讨如何在LangChain生态系统中使用unstructured,为开发者提供一个全面的指南。2.安装和设置2.1
- 大模型: 提示词工程(prompt engineering)
玉成226
【大模型】prompt
文章目录一、什么是提示词工程二、提示词应用1、提示技巧一:表达清晰2、提示词技巧2:设置角色三、提示方法1、zero-shot提示法2、Few-shot提示法3、思考链COT(chain-of-thought)提示法4、Few-shot-COT提示法一、什么是提示词工程提示词工程主要是用于优化与大模型交互的提示或查询操作,其目的在于能够更加准确的获取提问者想要获取的答案,提示词的好坏会直接影响到大
- RAG私域问答场景升级版方案(第二期方案)[2]:工业级别构建私域问答(业务问题、性能问题、安全成本问题等详细解决方案)
汀、人工智能
LLM工业级落地实践人工智能AIAgent智能体多智能体智能问答系统RAG智能问答
RAG私域问答场景升级版方案(第二期方案)[2]:工业级别构建私域问答(业务问题、性能问题、安全成本问题等详细解决方案)第一期方案参考:RAG私域问答场景整体夏详细方案(第一期方案)[1]:工业级别构建私域问答(知识处理、知识召回排序、搜索问答模块)1.第二期方案改进介绍根据业界DIFY、扣子、MaxKB等AI应用开发平台,LlamaIndex、LangChain等RAG技术,确定将以下方面作为R
- LLM+Embedding构建问答系统的局限性及优化方案
lichunericli
人工智能自然语言处理语言模型
LangChain+LLM方案的局限性:LLM意图识别准确性较低,交互链路长导致时间开销大;Embedding不适合多词条聚合匹配等。背景在探索如何利用大型语言模型(LLM)构建知识问答系统的过程中,我们确定了两个核心步骤:将用户提出的问题和知识库中的信息转换成嵌入向量(Embeddings),然后利用向量相似度技术来检索最相关的知识条目。利用LLM来识别用户问题的意图,并对检索到的原始答案进行加
- 记忆模块概述
三月七꧁ ꧂
langchain+llmwindows数据库服务器算法人工智能机器人机器学习
文章目录记忆模块概述记忆组件的定义记忆组件、链组件和Agent组件的关系设置第一个记忆组件内置记忆组件自定义记忆组件 本文将LangChain框架内所有与记忆功能有关的组件统一称为“记忆模块”。简而言之,记忆模块是一个集合体,由多个不同的记忆组件构成。每个记忆组件都负责某一特定方面的记忆功能。在记忆模块(langchain.memory)下,有多种不同的类,每一个类都可以看作一个“记忆组件”
- 使用LangChain的ToMarkdownLoader将网页内容转化为Markdown文件
hgSdaegva
langchainpython
在构建语言模型驱动的应用中,Markdown是一种极简却强大的格式,常用于生成文档、记录、或展示内容。本次文章将介绍如何通过LangChain的ToMarkdownLoader将网页内容提取并转换为结构化的Markdown格式。我们会涉及相关的核心原理,并展示可直接运行的代码示例。技术背景介绍LangChain是一个用于开发语言模型驱动应用的框架,其中ToMarkdownLoader是其文档加载模
- 继之前的线程循环加到窗口中运行
3213213333332132
javathreadJFrameJPanel
之前写了有关java线程的循环执行和结束,因为想制作成exe文件,想把执行的效果加到窗口上,所以就结合了JFrame和JPanel写了这个程序,这里直接贴出代码,在窗口上运行的效果下面有附图。
package thread;
import java.awt.Graphics;
import java.text.SimpleDateFormat;
import java.util
- linux 常用命令
BlueSkator
linux命令
1.grep
相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志,这个命令绝对是必不可少的。
但之前总是习惯于使用 (grep -n 关键字 文件名 )查出关键字以及该关键字所在的行数,然后再用 (sed -n '100,200p' 文件名),去查出该关键字之后的日志内容。
但其实还有更简便的办法,就是用(grep -B n、-A n、-C n 关键
- php heredoc原文档和nowdoc语法
dcj3sjt126com
PHPheredocnowdoc
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
<?
- overflow的属性
周华华
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- 《我所了解的Java》——总体目录
g21121
java
准备用一年左右时间写一个系列的文章《我所了解的Java》,目录及内容会不断完善及调整。
在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等,请大家及时指出,我会第一时间更正。
&n
- [简单]docx4j常用方法小结
53873039oycg
docx
本代码基于docx4j-3.2.0,在office word 2007上测试通过。代码如下:
import java.io.File;
import java.io.FileInputStream;
import ja
- Spring配置学习
云端月影
spring配置
首先来看一个标准的Spring配置文件 applicationContext.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi=&q
- Java新手入门的30个基本概念三
aijuans
java新手java 入门
17.Java中的每一个类都是从Object类扩展而来的。 18.object类中的equal和toString方法。 equal用于测试一个对象是否同另一个对象相等。 toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法) 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。
- 《2008 IBM Rational 软件开发高峰论坛会议》小记
antonyup_2006
软件测试敏捷开发项目管理IBM活动
我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵!
其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下.
参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
- PL/SQL的过程编程,异常,声明变量,PL/SQL块
百合不是茶
PL/SQL的过程编程异常PL/SQL块声明变量
PL/SQL;
过程;
符号;
变量;
PL/SQL块;
输出;
异常;
PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
- Mockito(三)--完整功能介绍
bijian1013
持续集成mockito单元测试
mockito官网:http://code.google.com/p/mockito/,打开documentation可以看到官方最新的文档资料。
一.使用mockito验证行为
//首先要import Mockito
import static org.mockito.Mockito.*;
//mo
- 精通Oracle10编程SQL(8)使用复合数据类型
bijian1013
oracle数据库plsql
/*
*使用复合数据类型
*/
--PL/SQL记录
--定义PL/SQL记录
--自定义PL/SQL记录
DECLARE
TYPE emp_record_type IS RECORD(
name emp.ename%TYPE,
salary emp.sal%TYPE,
dno emp.deptno%TYPE
);
emp_
- 【Linux常用命令一】grep命令
bit1129
Linux常用命令
grep命令格式
grep [option] pattern [file-list]
grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。
pattern可以是普通字符串,也可以是正则表达式,当查找的字符串包含正则表达式字符或者特
- mybatis3入门学习笔记
白糖_
sqlibatisqqjdbc配置管理
MyBatis 的前身就是iBatis,是一个数据持久层(ORM)框架。 MyBatis 是支持普通 SQL 查询,存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。
以前也学过iBatis,因为MyBatis是iBatis的升级版本,最初以为改动应该不大,实际结果是MyBatis对配置文件进行了一些大的改动,使整个框架更加方便人性化。
- Linux 命令神器:lsof 入门
ronin47
lsof
lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息,但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实,因为它是指“列出打开文件(lists openfiles)”。而有一点要切记,在Unix中一切(包括网络套接口)都是文件。
有趣的是,lsof也是有着最多
- java实现两个大数相加,可能存在溢出。
bylijinnan
java实现
import java.math.BigInteger;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class BigIntegerAddition {
/**
* 题目:java实现两个大数相加,可能存在溢出。
* 如123456789 + 987654321
- Kettle学习资料分享,附大神用Kettle的一套流程完成对整个数据库迁移方法
Kai_Ge
Kettle
Kettle学习资料分享
Kettle 3.2 使用说明书
目录
概述..........................................................................................................................................7
1.Kettle 资源库管
- [货币与金融]钢之炼金术士
comsci
金融
自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的
那么随着人类在理论物理和工程物理上面取得的一些突破性进展......
炼金术这个古老
- Toast原来也可以多样化
dai_lm
androidtoast
Style 1: 默认
Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT);
def.show();
Style 2: 顶部显示
Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT);
t
- java数据计算的几种解决方法3
datamachine
javahadoopibatisr-languer
4、iBatis
简单敏捷因此强大的数据计算层。和Hibernate不同,它鼓励写SQL,所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦,只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。
复杂计算环境是它的弱项,比如:分布式计算、复杂计算、非数据
- 向网页中插入透明Flash的方法和技巧
dcj3sjt126com
htmlWebFlash
将
Flash 作品插入网页的时候,我们有时候会需要将它设为透明,有时候我们需要在Flash的背面插入一些漂亮的图片,搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。
一、Swf透明、无坐标控制 首先教大家最简单的插入Flash的代码,透明,无坐标控制: 注意wmode="transparent"是控制Flash是否透明
- ios UICollectionView的使用
dcj3sjt126com
UICollectionView的使用有两种方法,一种是继承UICollectionViewController,这个Controller会自带一个UICollectionView;另外一种是作为一个视图放在普通的UIViewController里面。
个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。
1.UIViewController实现委托,代码如
- Eos平台java公共逻辑
蕃薯耀
Eos平台java公共逻辑Eos平台java公共逻辑
Eos平台java公共逻辑
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月1日 17:20:4
- SpringMVC4零配置--Web上下文配置【MvcConfig】
hanqunfeng
springmvc4
与SpringSecurity的配置类似,spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。
applicationContext-MvcConfig.xml
<!-- 启用注解,并定义组件查找规则 ,mvc层只负责扫描@Controller -->
<
- 解决ie和其他浏览器poi下载excel文件名乱码
jackyrong
Excel
使用poi,做传统的excel导出,然后想在浏览器中,让用户选择另存为,保存用户下载的xls文件,这个时候,可能的是在ie下出现乱码(ie,9,10,11),但在firefox,chrome下没乱码,
因此必须综合判断,编写一个工具类:
/**
*
* @Title: pro
- 挥洒泪水的青春
lampcy
编程生活程序员
2015年2月28日,我辞职了,离开了相处一年的触控,转过身--挥洒掉泪水,毅然来到了兄弟连,背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人,还敢跨行业,选择Unity3D?“,”真是不自量力••••••“,”真是初生牛犊不怕虎•••••“,••••••我只是淡淡一笑,拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连!
这就是我青春的分割线,不后悔,只会去用泪水浇灌——已经来到
- 稳增长之中国股市两点意见-----严控做空,建立涨跌停版停牌重组机制
nannan408
对于股市,我们国家的监管还是有点拼的,但始终拼不过飞流直下的恐慌,为什么呢?
笔者首先支持股市的监管。对于股市越管越荡的现象,笔者认为首先是做空力量超过了股市自身的升力,并且对于跌停停牌重组的快速反应还没建立好,上市公司对于股价下跌没有很好的利好支撑。
我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空,在
- 动态设置iframe高度(iframe高度自适应)
Rainbow702
JavaScriptiframecontentDocument高度自适应局部刷新
如果需要对画面中的部分区域作局部刷新,大家可能都会想到使用ajax。
但有些情况下,须使用在页面中嵌入一个iframe来作局部刷新。
对于使用iframe的情况,发现有一个问题,就是iframe中的页面的高度可能会很高,但是外面页面并不会被iframe内部页面给撑开,如下面的结构:
<div id="content">
<div id=&quo
- 用Rapael做图表
tntxia
rap
function drawReport(paper,attr,data){
var width = attr.width;
var height = attr.height;
var max = 0;
&nbs
- HTML5 bootstrap2网页兼容(支持IE10以下)
xiaoluode
html5bootstrap
<!DOCTYPE html>
<html>
<head lang="zh-CN">
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">