摘要:在它被成為矩陣變量矩陣變量可以出現在任何路徑片段中,每一個矩陣變量都用分號隔開。如果你希望一個包含矩陣變量,那么請求映射模式必須用模板來表示這些矩陣變量。這樣的話,不管矩陣變量順序如何,都能夠保證請求可以正確的匹配。
????根據 URI 規范 RFC 3986 中 URL 的定義,路徑片段中可以可以包含鍵值對。規范中沒對對應的術語。一般 “URL 路徑參數” 可以被應用,盡管更加獨特的 “矩陣 URI” 也經常被使用并且相當有名。在 Spring MVC 它被成為矩陣變量
????矩陣變量可以出現在任何路徑片段中,每一個矩陣變量都用分號(;)隔開。比如 “/cars;color=red;year=2012”。多個值可以用逗號隔開,比如 “color=red,green,blue”,或者分開寫 “color=red;color=green;color=blue”。
????如果你希望一個 URL 包含矩陣變量,那么請求映射模式必須用 URI 模板來表示這些矩陣變量。這樣的話,不管矩陣變量順序如何,都能夠保證請求可以正確的匹配。
????細節見下面的例程(源代碼在這里):
1)首先在上下文配置文件中啟用矩陣變量2)編寫矩陣變量控制器
package com.techmap.examples.controllers; import org.springframework.stereotype.Controller; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.MatrixVariable; import org.springframework.web.bind.annotation.PathVariable; import org.springframework.web.bind.annotation.RequestMapping; @Controller @RequestMapping("/matrix") public class MatrixController { /** * 使用矩陣變量 */ @GetMapping("/owners/{ownerId}/pets/{petId}") public String findPet( @PathVariable String ownerId, @PathVariable String petId, @MatrixVariable(name = "q", pathVar = "ownerId") int q1, @MatrixVariable(name = "q", pathVar = "petId") int q2) { System.out.println("--> ownerId : " + ownerId); System.out.println("--> petId : " + petId); System.out.println("--> q1 : " + q1); System.out.println("--> q2 : " + q2); return "/examples/targets/test1"; } /** * 矩陣變量可以設置默認值 */ @GetMapping("/pets/{petId}") public String findPet( @MatrixVariable(required = false, defaultValue = "1") int q) { System.out.println("--> Default value of q : " + q); return "/examples/targets/test2"; } }3)編寫使用上述控制器的 URL
4)測試
Matrix Variables
Matrix
Default Value
????測試比較簡單,這里就不放出結果了。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/65141.html
Apache MXNet v0.12來了。今天凌晨,亞馬遜宣布了MXNet新版本,在這個版本中,MXNet添加了兩個重要新特性:支持英偉達Volta GPU,大幅減少用戶訓練和推理神經網絡模型的時間。在存儲和計算效率方面支持稀疏張量(Sparse Tensor),讓用戶通過稀疏矩陣訓練模型。下面,量子位將分別詳述這兩個新特性。Tesla V100 加速卡內含 Volta GV100 GPU支持英偉...
摘要:感謝像這樣的框架,使得這些數據集可以應用于機器學習領域。藍點被標記為壞球,橙點被標記為好球標注來自大聯盟裁判員使用構建模型將機器學習帶入和領域。使用庫將預測結果呈現為熱圖。好球區域位于本壘板上方至英尺之間。 在這篇文章中,我們將使用TensorFlow.js,D3.js和網絡的力量來可視化訓練模型的過程,以預測棒球數據中的壞球(藍色區域)和好球(橙色區域)。在整個訓練過程中,我們將一步...
閱讀 1161·2021-11-16 11:45
閱讀 1016·2021-09-04 16:41
閱讀 3077·2019-08-29 16:40
閱讀 2852·2019-08-29 15:34
閱讀 2673·2019-08-29 13:11
閱讀 1734·2019-08-29 12:58
閱讀 1726·2019-08-28 18:00
閱讀 1776·2019-08-26 18:26