-
Spring MVC 设置Response的charset
@RequestMapping(value = "/login", produces = "text/plain;charset=gb2312") @ResponseBody public String login(HttpServletRequest req, HttpServletResponse resp) { }
-
Spring MVC 超时处理
//在stackoverflow上看到的一个有趣的案例 //场景: 用户访问,如果后台处理时间<10s时返回正常结果页面,否则返回超时页面 //AsyncTaskExecutor异步任务处理, 但它的submit()方法是阻塞型的. final Future<ModelAndView> future = asyncTaskExecutor.submit(new Callable<ModelAndView>() { @Override public ModelAndView call() throws Exception { //lengthy computations... return new ModelAndView("done"); } }); try { return future.get(10, TimeUnit.SECONDS); // 设置超时时间 } catch (TimeoutException e) { //捕获超时异常进行处理 return new ModelAndView("timeout"); }
- Spring MVC 获取 Session Attribute
使用范例
@RequestMapping("/data/file/selectFileLog") public @ResponseBody Pagination selectFileLog(@RequestBody Pagination page, @SessionAttribute("loginUser")LoginUser loginUser){ //do sth. }
实现步骤:
//1. 创建注解类 @Target(ElementType.PARAMETER) @Retention(RetentionPolicy.RUNTIME) public @interface SessionAttribute { public String value(); public boolean required() default true; }
//2. 实现Resolver public class SessionAttributeArgumentsResolver implements WebArgumentResolver { Logger console = Logger.getLogger(SessionAttributeArgumentsResolver.class); @Override public Object resolveArgument(MethodParameter param, NativeWebRequest request) throws Exception { Annotation[] annotations = param.getParameterAnnotations(); for (Annotation annotation : annotations){ if(SessionAttribute.class.isInstance(annotation)){ SessionAttribute sa = (SessionAttribute) annotation; String attrName = sa.value(); boolean required = sa.required(); Object res = request.getAttribute(attrName, RequestAttributes.SCOPE_SESSION); if (null == res && required){ throw new RuntimeException("Attribute:{ " + attrName + " } not exsited in session !"); } return res; } } return UNRESOLVED; } }
<!--3. 配置Resolver --> <mvc:annotation-driven > <mvc:argument-resolvers> <bean id="sessionAttributeArgumentsResolver" class="com.lhw.util.base.SessionAttributeArgumentsResolver"></bean> </mvc:argument-resolvers> </mvc:annotation-driven>
- Spring JDBC 插入并获取新增记录的ID
public static long commonInsert(JdbcTemplate jt, String tableName, String idColumn, Map<String, Object> object){ SimpleJdbcInsert sji = new SimpleJdbcInsert(jt) .withTableName(tableName) .usingGeneratedKeyColumns(idColumn); return sji.executeAndReturnKey(object).longValue(); }
相关推荐
SPRING 笔记SPRING 笔记SPRING 笔记
Spring 笔记 Spring 是 Java 企业版(Java EE)应用程序的框架,提供了结构化的配置文件,实现了控制反转(IoC)和面向切面编程(AOP),支持表现层、业务逻辑层和持久层。Spring 的核心是 IoC 和 AOP,能够与主流...
spring笔记spring基础笔记
spring 初学 笔记 入门提示
.NET Standard 2.1、.NET 6、.NET 7、.NET8 版本SQLBuilder,Expression表达式转换为SQL语句,支持SqlServer、MySql、Oracle、Sqlite、PostgreSql;基于Dapper实现了不同数据库对应的数据仓储Repository;
各国数字服务贸易进出口额(2010-2022年)
2024版银行及保险高净值客户健康绿皮书
【博客】MVC、MVP、MVVM设计模式的案例_pgc
Python数据抓取淘宝电商商品图片
基于python开发爬虫脚本,并使用django,echarts对数据进行分析_pgc
Tesseract繁体中文OCR数据文件,垂直布局
## 介绍 碳排放数据是衡量地方经济发展与环境可持续性的重要指标。碳排放数据通常包括二氧化碳排放量,来源包括能源消耗以及工业、交通、建筑等领域的排放。由于中国地理辽阔、经济发展不平衡,各地的碳排放水平差异较大。本次分享的数据是根据EDGAR资源提取的中国地级市二氧化碳排放数据,数据年份为2000-2023年 ## 一、数据介绍 数据名称:中国地级市二氧化碳排放数据 数据年份:2000-2023年 数据范围:300个地级以上城市 数据来源:EDGAR_2024_GHG of October 2024 数据说明:根据EDGAR提取的城市碳排放数据 ## 二、数据指标 年份、省份、城市、城市代码、所属地域、二氧化碳排放总量
基于多算法融合的齿轮箱故障诊断模型优化:GADF-CNN-BKA-LSSVM算法的原理与应用,基于GADF-CNN-BKA-LSSVM的齿轮箱故障诊断 首先,利用格拉姆角场差(GADF)时频分辨率高、可以深度反映时间序列内在结构和关系的特点,对采集到的一维故障数据信号转为二维图像,得到图像后并将图像进行降维处理;然后,将第一步得到的格拉姆角场差图像输入二维卷积神经网络(CNN)进行自适应故障特征提取;最后,取CNN的全连接层结果作为LSSVM分类器的输入,并采用黑翅鸢优化算法BKA对LSSVM分类器的超参数进行优化,以提高模型泛化能力,避免模型陷入局部最优 附赠常春藤优化算法IVY和鹈鹕优化算法POA ,基于GADF-CNN-BKA-LSSVM; 故障诊断; 图像降维; 特征提取; 模型泛化; 常春藤优化算法IVY; 鹈鹕优化算法POA,基于多算法优化的齿轮箱故障诊断:GADF-CNN-BKA-LSSVM模型
省级-创新资源错配指数(2000-2022年)
TencentMeeting_0300000000_3.30.30.420_x86_64.publish.officialwebsite.exe
基于FPGA的Endat绝对值编码器PG卡源代码优化与实现:海德汉1313编码器应用案例,基于fpga的海德汉1313 Endat绝对值编码器pg卡源代码 ,基于FPGA的海德汉1313; Endat; 绝对值编码器; PG卡; 源代码,基于FPGA的Endat绝对值编码器PG卡源代码
【Vue+PHP】基于thinkphp6、vue(iview-admin)前后端分离快速开发框架
## 1.基本信息 数据名称:ALOS 12.5m DEM 数据 空间位置:中国 数据格式:栅格 数据大小:61.5GB 空间分辨率:12.5m ## 2.内容概述 ALOS 12.5m DEM 数据,是ALOS(Advanced Land Observing Satellite. 2006年发射)卫星相控阵型L波段合成孔径雷达(PALSAR)采集的高程数据。PALSAR传感器具有高分辨率、扫描式合成孔径雷达、极化三种观测模式。ALOS Dem高程数据水平及垂直精度可达12.5米。 ALOS是日本宇宙航空研究所(JAXA)的Advanced Land Observing Satellite-1(高级陆地观测卫星-1,ALOS)项目。ALOS卫星载有三个传感器:全色遥感立体测绘仪(PRISM),主要用于数字高程测绘;先进可见光与近红外辐射计-2(AVNIR-2),用于精确陆地观测;相控阵型L波段合成孔径雷达(PALSAR),用于全天时全天候陆地观测。
基于六自由度机械臂模型的MPC预测控制方法研究,六自由度机械臂模型预测控制mpc ,六自由度机械臂;模型预测控制;MPC,六自由度机械臂的MPC预测控制模型
## 介绍 碳排放数据是衡量地方经济发展与环境可持续性的重要指标。碳排放数据通常包括二氧化碳排放量,来源包括能源消耗以及工业、交通、建筑等领域的排放。由于中国地理辽阔、经济发展不平衡,各地的碳排放水平差异较大。 本次分享的数据是根据EDGAR资源提取的中国各省、地级市、区县二氧化碳排放数据,数据年份为1980-2023年。 ## 一、数据介绍 数据名称:中国省、市、县二氧化碳排放数据 数据年份:1980-2023年 数据范围:各省、地级市、区县 数据来源:EDGAR_2024_GHG of October 2024 数据说明:根据EDGAR提取的城市碳排放数据 ## 二、数据指标 年份、省份、城市、城市代码、区县、二氧化碳排放总量 ## 三、数据展示