Cookie的特性
首先分为3种cookie:
持久化cookie(persist cookie), 这种cookie有过期时间, 关掉浏览器还存在。
会话cookie(session cookie), 这种cookie没有过期时间，关掉浏览器就消失。
要被删除的cookie(deleted cookie). 这种cookie到达请求方就立即失效了。不会再带回服务器端。
Cookie的domain一定要对。例如发送给note.youdao.com的cookie, domain可以是.note.youdao.com, 可以是.youdao.com.但是最好是.note.youd[......]
Struts2快速入门实例代码教程
Struts2是基于MVC设计模式的流行和成熟的Web应用程序框架。Struts2并不只是Struts 1下一个版本，但它是一个完全重写的Struts架构。
WebWork框架开始了与Struts框架为基础，其目标是建立在Struts的Web开发更容易为开发人员提供了加强和改进的框架。
一段时间后，WebWork框架和Struts社区联手打造著名的Struts2框架。
这里有一些伟大的特性，可能会迫使你考虑使用Struts2：
Servlet技术-请求转发，重定向和包含的关系
Web组件之间的关系包含3种，请求转发，URL重定向和包含
1.请求转发
请求转发允许把请求转发给同一应用程序的其他web组件，这种技术通常用于Web应用控制层的Servlet流程控制器，可检查HTTP请求的数据，并将请求转发到合适的目标组件，目标组件执行具体的请求处理操作并生成响应结果。
实例：
如果当前的Servlet组件要把请求转发给一个jsp组件，如hello.jsp,可在Servlet中的service方法中执行一下代码： RequestDispatcher rd=request.getRequestDi[......]
package里元素顺序排列-
就是
result-types
interceptors
default-interceptor-ref
default-action-ref
default-class-ref
global-results
global-exception-mappings
action*(就是所有的action放到最后)
ServletContextweb容器在启动时，他会为每个web应用程序都创建
一个对应的ServletContext对象，他代表当前web应用
ServletConfig对象中维护了ServletContext
获取ServletContext对象
public class ServletDemo extends HttpServlet{
//方法1
this.getServletConfig.getServletContext();
//方法2
this.getServletContext();
//ServletContext方法应用
由于[......]
servlet实现分页功能。
如何为MyEclipse添加XML文档所使用的DTD，从而使用Content Assistant可进行代码提示呢？
.
解决办法
1、打开MyEclipse，找到菜单栏“Window”—->“Preferences（首选项）”；
2、在左侧导航菜单栏找到“MyEclipse”—->“Files and Editors”—->“XML”—>“XML Catalog”；
3、在右边的界面中,选择“User Specified Entries”,点击右边的“Add…”;
4、在弹出的“Add XML[......]
jdbc工作原理
JDBC程序描述为包含如下过程的应用：
1. 引入一个必要的类
2. 加载JDBC驱动程序
3. 标识数据源（URL、Username、Password）
4. 分配一个Connection对象
5. 分配一个Statement对象
6. 使用该Statement对象执行检查 SQL语句
7. 从返回的ResultSet对象中检索数据 类似于迭代器的操作
8. 关闭ResultSet对象
9. 关闭Statement对象
10. 关闭Connection对象
装载驱动程序
通过JDBC来连接关系数据库，应用程序必须采取的第一个合理步骤是加载合[......]
Learn these technical skills within one day
It takes days and days reading books, practicing and involving in real project if you want to learn a programming language well. It’s just like a marathon, you will get more if you can insist longer. During this long and boring period, there are always[......]
数据挖掘-K-means算法
K-means算法是一种基于样本间相似性度量的间接聚类方法。
此算法以K为参数，把N个对象分为K个簇，以使簇内具有较高的相似度，而且簇间的相似度较低。相似度的计算根据一个簇中对象的平均值来进行。
此算法的工作过程为：首先从N个数据对象任意选择K个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用均方差作为标准测度函数.K个聚类具有以下特点：各聚类[......]