【Django】DRF API版本和解析器

讲解 Python3 下 Django REST Framework (DRF)

  • API 版本控制
  • 解析器（Parser）

一、DRF API 版本控制详解

API 版本控制是构建健壮、可维护的 RESTful API 的关键，尤其在项目演进中需要兼容不同版本的客户端请求。

1.1 API 版本控制的核心原理

API 版本控制的核心目标是确保 API 的新旧版本能够并存，允许客户端明确指定所需的版本，同时保持后端代码的可维护性。DRF 的版本控制机制通过以下步骤实现：

  • 版本标识：客户端通过某种方式（URL、查询参数、请求头等）指定请求的 API 版本。
  • 路由分发：DRF 根据版本标识将请求分发到对应的视图逻辑。
  • 版本隔离：不同版本的 API 可能对应不同的序列化器（Serializer）、视图（View）或业务逻辑。

DRF 的版本控制是基于 Versioning 类的，通过配置 DEFAULT_VERSIONING_CLASS 和相关参数，决定如何解析和处理版本信息。版本控制的核心类位于 rest_framework.versioning 模块中。

1.2 DRF 支持的版本控制方案

DRF 提供了以下五种内置版本控制方案，每种方案适用于不同的场景，开发者可以根据需求选择：

  1. URLPathVersioning（基于 URL 路径）

    • 原理：版本号嵌入在 URL 路径中，例如 /api/v1/resource/。
    • 适用场景：API 版本明确，客户端希望通过直观的 URL 区分版本，适合公开 API。
    • 实现：
      • 配置：DEFAULT_VERSIONING_CLASS = 'rest_framework.versioning.URLPathVersioning'
      • URL 示例：path('api/<version>/resource/', views.ResourceView.as_view())
      • 客户端请求：GET /api/v1/resource/
      • 版本提取：DRF 从 URL 中的 <version> 捕获版本号。
    • 优点：URL 直观，易于调试；版本明确，适合 RESTful 风格。
    • 缺点：URL 变更可能影响客户端，需谨慎设计路由。

  2. QueryParameterVersioning（基于查询参数）

    • 原理：版本号通过查询参数传递，例如 /api/resource/?version=v1。
    • 适用场景：适合轻量级版本控制，客户端无需修改 URL 路径。
    • 实现：
      • 配置：DEFAULT_VERSIONING_CLASS = 'rest_framework.versioning.QueryParameterVersioning'
      • URL 示例：path('api/resource/', views.ResourceView.as_view())
      • 客户端请求：GET /api/resource/?version=v1
      • 版本提取：DRF 从查询参数 version 获取版本号。
    • 优点：灵活，客户端只需调整参数；对现有路由改动小。
    • 缺点：查询参数可能被忽略，版本信息不够显式。

  3. AcceptHeaderVersioning（基于 Accept 头）

    • 原理：版本号通过 HTTP 请求头 Accept 的媒体类型指定，例如 Accept: application/json; version=1.0。
    • 适用场景：适合严格遵循 RESTful 规范的 API，版本信息与内容协商结合。
    • 实现：
      • 配置：DEFAULT_VERSIONING_CLASS = 'rest_framework.versioning.AcceptHeaderVersioning'
      • 客户端请求：Accept: application/json; version=1.0
      • 版本提取：DRF 解析 Accept 头中的 version 参数。
    • 优点：符合 RESTful 规范，版本信息与媒体类型协商一致；URL 保持简洁。
    • 缺点：客户端实现复杂，调试不如 URL 直观。

  4. NamespaceVersioning（基于命名空间）

    • 原理：通过 Django 的 URL 命名空间区分版本，例如 /v1/api/resource/。
    • 适用场景：适合版本之间差异较大，需要完全隔离路由的场景。
    • 实现：
      • 配置：DEFAULT_VERSIONING_CLASS = 'rest_framework.versioning.NamespaceVersioning'
      • URL 示例：
        urlpatterns = [path('v1/api/', include('myapp.urls', namespace='v1')),path('v2/api/', include('myapp.urls', namespace='v2')),
]
      • 版本提取：DRF 从 URL 的命名空间提取版本号。
    • 优点：版本隔离彻底，适合大型项目；支持版本间完全不同的路由结构。
    • 缺点：配置复杂，路由维护成本高。

  5. HostNameVersioning（基于主机名）

    • 原理：通过子域名区分版本，例如 v1.api.example.com/resource/。
    • 适用场景：适合企业级 API，版本通过子域名隔离，客户端无需修改请求路径。
    • 实现：
      • 配置：DEFAULT_VERSIONING_CLASS = 'rest_framework.versioning.HostNameVersioning'
      • 示例：v1.api.example.com 解析为版本 v1。
      • 版本提取：DRF 从请求的 Host 头提取版本信息。
    • 优点：版本隔离清晰，适合多租户或高并发场景；URL 简洁。
    • 缺点：需要 DNS 配置支持，部署复杂；不适合本地开发。

1.3 配置版本控制

在 Django 的 settings.py 中配置版本控制相关参数：

REST_FRAMEWORK = {'DEFAULT_VERSIONING_CLASS': 'rest_framework.versioning.URLPathVersioning','DEFAULT_VERSION': 'v1',  # 默认版本'ALLOWED_VERSIONS': ['v1', 'v2'],  # 允许的版本列表'VERSION_PARAM': 'version',  # 版本参数名（查询参数或 Accept 头）
}
  • DEFAULT_VERSION：当客户端未指定版本时使用的默认版本。
  • ALLOWED_VERSIONS：限制有效的版本号，防止非法版本请求。
  • VERSION_PARAM：指定版本参数的名称（主要用于 QueryParameterVersioning 和 AcceptHeaderVersioning）。

1.4 视图中的版本处理

在视图中，可以通过 request.version 访问客户端请求的版本号，并据此实现版本特定的逻辑：

from rest_framework.views import APIView
from rest_framework.response import Responseclass ResourceView(APIView):def get(self, request, *args, **kwargs):version = request.versionif version == 'v1':return Response({"message": "Version 1 response"})elif version == 'v2':return Response({"message": "Version 2 response"})return Response({"error": "Invalid version"})

1.5 实际应用案例

假设一个电商 API 需要支持两种版本：v1 使用旧的订单序列化格式，v2 引入新的字段和逻辑。

  • URL 配置（使用 URLPathVersioning）：

    # urls.py
from django.urls import path, re_path
from myapp import viewsurlpatterns = [re_path(r'^api/(?P<version>v[1-2])/orders/$', views.OrderView.as_view()),
]

  • 视图逻辑：

    from rest_framework.views import APIView
from rest_framework.response import Response
from .serializers import OrderSerializerV1, OrderSerializerV2class OrderView(APIView):def get(self, request, *args, **kwargs):if request.version == 'v1':serializer = OrderSerializerV1(data={'id': 1, 'amount': 100})else:  # v2serializer = OrderSerializerV2(data={'id': 1, 'amount': 100, 'status': 'shipped'})serializer.is_valid()return Response(serializer.data)

  • 序列化器：

    from rest_framework import serializersclass OrderSerializerV1(serializers.Serializer):id = serializers.IntegerField()amount = serializers.FloatField()class OrderSerializerV2(serializers.Serializer):id = serializers.IntegerField()amount = serializers.FloatField()status = serializers.CharField()  # 新增字段

1.6 潜在问题与优化

  • 问题 1：版本膨胀
    随着版本增加，代码维护成本上升，可能导致视图逻辑复杂。
    优化：

    • 使用序列化器和视图的动态加载机制，例如根据 request.version 动态选择序列化器类：
      serializer_class = {'v1': OrderSerializerV1, 'v2': OrderSerializerV2}.get(request.version)
    • 采用模块化设计，将每个版本的逻辑拆分到独立的模块。

  • 问题 2：版本兼容性
    客户端可能错误使用版本号，导致 API 响应不符合预期。
    优化：

    • 配置 ALLOWED_VERSIONS 限制有效版本。
    • 提供详细的错误响应，例如：
      from rest_framework.exceptions import NotAcceptable
if request.version not in ['v1', 'v2']:raise NotAcceptable("Unsupported API version")

  • 问题 3：性能开销
    频繁解析版本号可能引入微小的性能开销，尤其在高并发场景下。
    优化：

    • 使用 URLPathVersioning 或 NamespaceVersioning，因为它们解析开销较低。
    • 缓存版本解析结果（例如通过中间件）。

在这里插入图片描述

二、DRF 解析器（Parser）详解

解析器（Parser）是 DRF 处理客户端请求体的核心组件，负责将 HTTP 请求的原始数据（如 JSON、XML、Form 数据）解析为 Python 数据结构（通常是字典），以便视图逻辑处理。以下从原理、实现、配置到高级用法全面剖析 DRF 的解析器。

2.1 解析器的核心原理

解析器的作用是将 HTTP 请求的 Content-Type 对应的数据（如 application/json）转换为 Python 可操作的对象。DRF 的解析器基于 rest_framework.parsers 模块，核心流程如下：

  1. Content-Type 检测：DRF 根据请求头的 Content-Type 确定使用哪个解析器。
  2. 数据解析：选定的解析器将请求体的原始字节流解析为 Python 数据结构。
  3. 视图传递：解析后的数据通过 request.data 提供给视图使用。

解析器是可插拔的，开发者可以自定义解析器以支持特定格式的数据。

2.2 DRF 内置解析器

DRF 提供以下内置解析器：

  1. JSONParser

    • Content-Type：application/json
    • 功能：将 JSON 格式的请求体解析为 Python 字典。
    • 适用场景：最常用的解析器，适合现代 RESTful API。
    • 示例：
      POST /api/resource/
Content-Type: application/json
{"name": "test", "value": 42}
      解析后：request.data == {"name": "test", "value": 42}

  2. FormParser

    • Content-Type：application/x-www-form-urlencoded
    • 功能：解析 HTML 表单数据，转换为 Python 字典。
    • 适用场景：传统 Web 表单提交或简单 API 测试。
    • 示例：
      POST /api/resource/
Content-Type: application/x-www-form-urlencoded
name=test&value=42
      解析后：request.data == {"name": "test", "value": "42"}

  3. MultiPartParser

    • Content-Type：multipart/form-data
    • 功能：解析文件上传和表单数据，文件存储在 request.FILES，表单字段在 request.data。
    • 适用场景：文件上传场景，例如用户头像上传。
    • 示例：
      POST /api/upload/
Content-Type: multipart/form-data
name=test; file=@/path/to/file.txt
      解析后：request.data == {"name": "test"}, request.FILES == {"file": <UploadedFile>}

  4. FileUploadParser

    • Content-Type：任意（通常与 multipart/form-data 配合）
    • 功能：专门处理文件上传，适用于直接上传原始文件内容的场景。
    • 适用场景：流式文件上传或单一文件 API。
    • 示例：
      POST /api/file/
Content-Type: application/octet-stream
<binary file content>
      解析后：request.data == <UploadedFile>

2.3 配置解析器

解析器可以通过全局配置或视图级别配置：

  • 全局配置（settings.py）：

    REST_FRAMEWORK = {'DEFAULT_PARSER_CLASSES': ['rest_framework.parsers.JSONParser','rest_framework.parsers.FormParser','rest_framework.parsers.MultiPartParser',]
}

  • 视图级别配置：

    from rest_framework.views import APIView
from rest_framework.parsers import JSONParserclass MyView(APIView):parser_classes = [JSONParser]  # 仅支持 JSON 解析def post(self, request, *args, **kwargs):return Response({"received": request.data})

2.4 自定义解析器

当需要支持非标准格式（如 XML、YAML）时，可以自定义解析器。自定义解析器需继承 rest_framework.parsers.BaseParser 并实现 parse 方法。

示例：自定义 XML 解析器

from rest_framework.parsers import BaseParser
from xml.etree import ElementTree as ET
import ioclass XMLParser(BaseParser):media_type = 'application/xml'def parse(self, stream, media_type=None, parser_context=None):"""将 XML 数据解析为 Python 字典。stream: 包含请求体的字节流"""try:tree = ET.parse(stream)root = tree.getroot()data = self._xml_to_dict(root)return dataexcept ET.ParseError:raise ParseError("Invalid XML format")def _xml_to_dict(self, element):result = {}for child in element:child_data = self._xml_to_dict(child) if child else child.textif child.tag in result:if isinstance(result[child.tag], list):result[child.tag].append(child_data)else:result[child.tag] = [result[child.tag], child_data]else:result[child.tag] = child_datareturn result

配置到视图：

class XMLView(APIView):parser_classes = [XMLParser]def post(self, request, *args, **kwargs):return Response({"parsed": request.data})

测试请求：

POST /api/xml/
Content-Type: application/xml
<root><name>test</name><value>42</value></root>

响应：{"parsed": {"name": "test", "value": "42"}}

2.5 实际应用案例

假设一个 API 需要同时支持 JSON 和文件上传（multipart/form-data）：

  • 视图代码：

    from rest_framework.views import APIView
from rest_framework.parsers import JSONParser, MultiPartParser
from rest_framework.response import Responseclass UploadView(APIView):parser_classes = [JSONParser, MultiPartParser]def post(self, request, *args, **kwargs):if request.content_type == 'application/json':return Response({"json_data": request.data})elif request.content_type == 'multipart/form-data':return Response({"form_data": request.data,"files": {key: str(file) for key, file in request.FILES.items()}})return Response({"error": "Unsupported content type"})

  • 测试 JSON 请求：

    POST /api/upload/
Content-Type: application/json
{"name": "test"}

    响应：{"json_data": {"name": "test"}}

  • 测试文件上传：

    POST /api/upload/
Content-Type: multipart/form-data
name=test; file=@/path/to/image.jpg

    响应：{"form_data": {"name": "test"}, "files": {"file": "<InMemoryUploadedFile: image.jpg>"}}

2.6 潜在问题与优化

  • 问题 1：解析性能
    对于大文件上传，MultiPartParser 或 FileUploadParser 可能导致内存占用过高。
    优化：

    • 使用流式解析，结合 Django 的 TemporaryUploadedFile 处理大文件。
    • 限制上传文件大小：
      REST_FRAMEWORK = {'DEFAULT_PARSER_CLASSES': ['rest_framework.parsers.MultiPartParser'],'FILE_UPLOAD_MAX_MEMORY_SIZE': 1024 * 1024 * 10  # 10MB
}

  • 问题 2：Content-Type 错误
    客户端可能发送错误的 Content-Type，导致解析失败。
    优化：

    • 在解析器中添加容错逻辑，例如尝试推断数据格式。
    • 返回清晰的错误信息：
      from rest_framework.exceptions import ParseError
if not request.content_type:raise ParseError("Missing Content-Type header")

  • 问题 3：多格式支持复杂性
    支持多种解析器可能导致视图逻辑复杂。
    优化：

    • 根据 request.content_type 动态选择序列化器或处理逻辑。
    • 使用 DRF 的 GenericAPIView 和 mixins 简化代码。

三、API 版本控制与解析器的结合

在实际项目中，API 版本控制和解析器常常需要协同工作。例如，不同版本的 API 可能支持不同的数据格式（v1 只支持 JSON，v2 支持 JSON 和 XML）。以下是一个综合案例：

综合案例：版本化文件上传 API

需求：

  • v1：只支持 JSON 格式的元数据上传。
  • v2：支持 JSON 和 multipart/form-data（包含文件上传）。

实现：

  1. 配置版本控制和解析器：

    # settings.py
REST_FRAMEWORK = {'DEFAULT_VERSIONING_CLASS': 'rest_framework.versioning.URLPathVersioning','DEFAULT_VERSION': 'v1','ALLOWED_VERSIONS': ['v1', 'v2'],'DEFAULT_PARSER_CLASSES': ['rest_framework.parsers.JSONParser','rest_framework.parsers.MultiPartParser',]
}

  2. URL 配置：

    # urls.py
from django.urls import path, re_path
from myapp import viewsurlpatterns = [re_path(r'^api/(?P<version>v[1-2])/upload/$', views.UploadView.as_view()),
]

  3. 视图逻辑：

    from rest_framework.views import APIView
from rest_framework.parsers import JSONParser, MultiPartParser
from rest_framework.response import Response
from rest_framework.exceptions import ParseErrorclass UploadView(APIView):def get_parser_classes(self):if self.request.version == 'v1':return [JSONParser]return [JSONParser, MultiPartParser]def post(self, request, *args, **kwargs):if request.version == 'v1':if request.content_type != 'application/json':raise ParseError("v1 only supports JSON")return Response({"version": "v1", "data": request.data})else:  # v2if request.content_type == 'application/json':return Response({"version": "v2", "json_data": request.data})elif request.content_type == 'multipart/form-data':return Response({"version": "v2","form_data": request.data,"files": {key: str(file) for key, file in request.FILES.items()}})raise ParseError("Unsupported content type")

  4. 测试请求：

    • v1 JSON 请求：

      POST /api/v1/upload/
Content-Type: application/json
{"name": "test"}

      响应：{"version": "v1", "data": {"name": "test"}}

    • v2 文件上传：

      POST /api/v2/upload/
Content-Type: multipart/form-data
name=test; file=@/path/to/image.jpg

      响应：{"version": "v2", "form_data": {"name": "test"}, "files": {"file": "<InMemoryUploadedFile: image.jpg>"}}

关键点分析

  • 动态解析器：通过重写 get_parser_classes 方法，根据版本动态选择解析器，增强灵活性。
  • 版本隔离：v1 和 v2 的逻辑清晰分离，避免代码混淆。
  • 错误处理：通过 ParseError 提供明确的错误信息，提升客户端体验。

四、深入思考与创新建议

4.1 版本控制的创新设计

  • 动态版本路由：传统版本控制方案（如 URLPathVersioning）需要手动配置路由。可以通过动态生成路由表（结合 django.urls 的动态解析）实现更灵活的版本管理。例如：

    def generate_versioned_urls(versions, viewset):return [path(f'api/{version}/resource/', viewset.as_view({'get': 'list'}))for version in versions]

  • 版本过渡策略：为避免客户端因版本升级中断服务，可以实现版本“渐进式淘汰”机制。例如，设置 Deprecation-Warning 响应头，提醒客户端某个版本即将废弃：

    from rest_framework.response import Response
class DeprecatedView(APIView):def get(self, request, *args, **kwargs):response = Response({"message": "This is v1"})if request.version == 'v1':response['Deprecation-Warning'] = 'Version 1 will be deprecated on 2026-01-01'return response

4.2 解析器的创新优化

  • 自适应解析器：针对复杂场景（如客户端发送混合格式数据），可以开发自适应解析器，自动检测数据格式并动态选择解析策略。例如，结合 mimetypes 库推断文件类型。
  • 流式解析：对于大文件或高并发场景，开发支持流式解析的解析器，减少内存占用。DRF 的 FileUploadParser 已部分支持流式上传，但可以进一步优化为异步解析，结合 asyncio 和 aiohttp。

4.3 性能与可扩展性

  • 缓存版本解析：通过中间件缓存版本解析结果，减少重复解析开销：

    from django.utils.decorators import method_decorator
from django.views.decorators.cache import cache_pageclass CachedVersionView(APIView):@method_decorator(cache_page(60*15))  # 缓存 15 分钟def get(self, request, *args, **kwargs):return Response({"version": request.version})

  • 解析器优先级：为高频使用的解析器（如 JSONParser）设置更高优先级，减少不必要的 Content-Type 检查：

    REST_FRAMEWORK = {'DEFAULT_PARSER_CLASSES': ['rest_framework.parsers.JSONParser',  # 优先'rest_framework.parsers.MultiPartParser','rest_framework.parsers.FormParser',]
}

五、总结

DRF 的 API 版本控制和解析器是构建现代化 RESTful API 的核心组件。通过灵活的版本控制方案（URLPathVersioning、AcceptHeaderVersioning 等），开发者可以实现版本隔离与兼容；通过内置和自定义解析器（JSONParser、MultiPartParser 等），可以处理多样化的客户端请求数据。

关键洞察：

  • 版本控制：选择合适的版本控制方案需要权衡客户端体验、路由维护成本和 RESTful 规范。URLPathVersioning 和 NamespaceVersioning 是大型项目的首选。
  • 解析器：解析器的性能和灵活性直接影响 API 的效率和可扩展性，自定义解析器为特殊场景提供了无限可能。
  • 结合优化：版本控制与解析器的协同工作可以通过动态配置和错误处理实现更高的健壮性。

创新建议：

  • 开发动态路由生成器，简化版本管理。
  • 实现自适应解析器，提升数据格式兼容性。
  • 结合缓存和异步技术，优化高并发场景的性能。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/pingmian/89953.shtml
繁体地址，请注明出处：http://hk.pswp.cn/pingmian/89953.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Windows系统暂停更新工具

Windows系统暂停更新工具

功能说明 暂停更新至2999年恢复系统更新彻底禁用更新&#xff08;不可逆&#xff09; 使用方法 下载解压后双击运行 .bat 文件 输入数字选择功能&#xff1a; 输入 1&#xff1a;暂停更新至2999年&#xff08;推荐&#xff09;输入 2&#xff1a;恢复系统更新输入 3&#xf…
阅读更多...
git push新版问题解决

git push新版问题解决

git 好像不能通过username:password的方式来git push了。但我的电脑依然弹出username和password的弹窗。转战ssh来git push。由于之前是用git clone克隆的&#xff0c;需要再转换成ssh的url来git push。
阅读更多...
PyCharm + AI 辅助编程

PyCharm + AI 辅助编程

PyCharm AI&#xff1a;初学者友好的 2 个实用场景&#xff08;附操作步骤&#xff09; PyCharm 专业版&#xff08;或通过插件集成&#xff09;支持 AI 辅助编程&#xff08;如 JetBrains AI 或 GitHub Copilot&#xff09;&#xff0c;能根据代码上下文自动生成代码、解释逻…
阅读更多...
疯狂星期四文案网第15天运营日记

疯狂星期四文案网第15天运营日记

网站运营第15天&#xff0c;点击观站&#xff1a; 疯狂星期四 crazy-thursday.com 全网最全的疯狂星期四文案网站 运营报告 昨日访问量 昨天只有20来ip, 太惨了&#xff0c;感觉和最近没有发新段子有关&#xff0c;也没有发新的外链&#xff0c;不知道这周四会怎么样 昨日搜…
阅读更多...
如何解决pip安装报错ModuleNotFoundError: No module named ‘Cython’问题

如何解决pip安装报错ModuleNotFoundError: No module named ‘Cython’问题

【Python系列Bug修复PyCharm控制台pip install报错】如何解决pip安装报错ModuleNotFoundError: No module named ‘Cython’问题 摘要 在使用 PyCharm 控制台或命令行执行 pip install Cython 时&#xff0c;常会遇到 ModuleNotFoundError: No module named Cython 的报错。本…
阅读更多...
freertos任务调度关键函数理解 vTaskSwitchContext

freertos任务调度关键函数理解 vTaskSwitchContext

void vTaskSwitchContext(void) {//my_printf( "uxSchedulerSuspended %d\n", uxSchedulerSuspended );/* 调度器处于挂起状态 */if (uxSchedulerSuspended ! (UBaseType_t)pdFALSE) {/*** The scheduler is currently suspended - do not allow a context* switch.…
阅读更多...
CPU 密集型 和 I/O 密集型 任务

CPU 密集型 和 I/O 密集型 任务

文章目录**CPU 密集型任务&#xff08;CPU-bound&#xff09;**定义&#xff1a;特点&#xff1a;常见场景&#xff1a;如何优化 CPU 密集型任务&#xff1a;**I/O 密集型任务&#xff08;I/O-bound&#xff09;**定义&#xff1a;特点&#xff1a;常见场景&#xff1a;如何优化…
阅读更多...
[2025CVPR-小目标检测方向]基于特征信息驱动位置高斯分布估计微小目标检测模型

[2025CVPR-小目标检测方向]基于特征信息驱动位置高斯分布估计微小目标检测模型

核心问题 ​小目标检测性能差&#xff1a;​​ 尽管通用目标检测器&#xff08;如 Faster R-CNN, YOLO, SSD&#xff09;在常规目标上表现出色&#xff0c;但在检测微小目标&#xff08;如 AI-TOD 基准定义的&#xff1a;非常小目标 2-8 像素&#xff0c;小目标 8-16 像素&…
阅读更多...
三大工厂设计模式

三大工厂设计模式

1.简单工厂模式1.1需求入手从需求进行入手&#xff0c;可以更深入的理解什么是设计模式。有一个制作披萨的需求&#xff1a;需要便于扩展披萨的种类&#xff0c;便于维护。1.披萨的种类有很多&#xff1a;GreekPizz&#xff0c;CheesePizz等2.披萨的制作流程&#xff1a;prepar…
阅读更多...
SpringBoot--Mapper XML 和 Mapper 接口在不同包

SpringBoot--Mapper XML 和 Mapper 接口在不同包

&#x1f9e9; 背景说明在 Spring Boot 中&#xff0c;MyBatis 默认要求 Mapper 接口和 XML 文件位于相同包路径。 但在实际项目中&#xff0c;为了模块化或结构清晰&#xff0c;常将 XML 放在 resources/mybatis/... 下&#xff0c;这种做法就必须进行额外配置。&#x1f4c1;…
阅读更多...
公交车客流人数统计管理解决方案：智能化技术与高效运营实践

公交车客流人数统计管理解决方案：智能化技术与高效运营实践

1. 引言公交车作为城市公共交通的核心组成部分&#xff0c;其客流数据的精准统计与管理直接影响运营效率、调度优化和乘客体验。传统的人工统计方式效率低、误差大&#xff0c;难以满足现代智慧交通的需求。随着人工智能&#xff08;AI&#xff09;、物联网&#xff08;IoT&…
阅读更多...
正则表达式完全指南：从入门到实战

正则表达式完全指南：从入门到实战

目录 一、什么是正则表达式&#xff1f; 二、基础语法速查表 三、进阶特性 1.分组与捕获 2.非捕获分组 3.前瞻与后顾 4.贪婪与懒惰匹配 四、实战案例 案例1&#xff1a;验证手机号 案例2&#xff1a;提取网页中所有链接 案例3&#xff1a;密码强度验证 一、什么是正…
阅读更多...
SmartETL循环流程的设计与应用

SmartETL循环流程的设计与应用

1. 引言 **检索增强生成&#xff08;RAG&#xff09;**是指通过检索对大模型生成进行增强的技术&#xff0c;通过充分利用信息检索&#xff08;尤其是语义检索&#xff09;相关技术&#xff0c;实现大模型快速扩展最新知识、有效减少幻觉的能力。主流RAG框架包括问题理解、知识…
阅读更多...
uni-app开发小程序，根据图片提取主题色值

uni-app开发小程序，根据图片提取主题色值

需求&#xff0c;在页面根据传入的图片提取图片主色值并用来设置区块背景色<template><view class"icon-container"><view class"sport-icon" :style"{ backgroundColor: mainColor }"><image :src"/static/images/sp…
阅读更多...
ESP32-Cam三脚架机器人：DIY你的智能移动监控平台

ESP32-Cam三脚架机器人：DIY你的智能移动监控平台

项目概述 在物联网与机器人技术融合发展的今天&#xff0c;基于ESP32的创意项目层出不穷。今天为大家介绍一款极具创新性的ESP32-Cam三脚架机器人&#xff08;Dodge&#xff09;&#xff0c;它将传统三脚架结构与智能监控功能完美结合&#xff0c;通过巧妙的机械设计和开源硬件…
阅读更多...
Kotlin集合过滤

Kotlin集合过滤

过滤操作 在处理集合时&#xff0c;根据特定条件过滤集合或检查集合中是否包含符合特定条件的元素是软件开发中的常见任务。为了解决这个问题&#xff0c;我们可以使用 Kotlin 中实现的函数式 API。 在本主题中&#xff0c;我们将介绍如何使用谓词过滤集合&#xff0c;并获得满…
阅读更多...
14.8 LLaMA2-7B×Dolly-15K实战：从准确率63%到89%，如何用优质数据让大模型性能飙升42%？

14.8 LLaMA2-7B×Dolly-15K实战：从准确率63%到89%，如何用优质数据让大模型性能飙升42%？

LLaMA2-7BDolly-15K实战：从准确率63%到89%，如何用优质数据让大模型性能飙升42%？ 在大模型微调中，“数据质量”往往比“数据数量”更能决定最终效果。Databricks发布的Dolly-15K数据集以“全人工标注+多维度校验”的特点，成为指令微调的“黄金样本”——用它微调后的LLaMA…
阅读更多...
OpenCV中常用特征提取算法（SURF、ORB、SIFT和AKAZE）用法示例（C++和Python）

OpenCV中常用特征提取算法（SURF、ORB、SIFT和AKAZE）用法示例（C++和Python）

OpenCV 中提供了多种常用的特征提取算法&#xff0c;广泛应用于图像匹配、拼接、SLAM、物体识别等任务。以下是 OpenCV 中几个主流特征提取算法的 用法总结与代码示例&#xff0c;涵盖 C 和 Python 两个版本。常用特征提取算法列表算法特点是否需额外模块SIFT&#xff08;尺度不…
阅读更多...
复杂度+包装类型+泛型

复杂度+包装类型+泛型

什么是集合框架什么是数据结构什么是算法时间复杂度与空间复杂度的概念时间复杂度的表达方式时间复杂度的大 O 的渐近表示法时间复杂度函数的大小排序包装类和泛型基本数据类型和对应的包装类型包装类型出现的原因什么叫做装箱&#xff08;装包&#xff09;和拆箱&#xff08;拆…
阅读更多...
硬件设计学习DAY15——自举电容：MOSFET高端驱动的核心奥秘

硬件设计学习DAY15——自举电容：MOSFET高端驱动的核心奥秘

每日更新教程&#xff0c;评论区答疑解惑&#xff0c;小白也能变大神&#xff01;" 目录 一.自举电容 1.自举电容的作用 2.自举电路原理 3.工作过程分析 4.实际应用中的问题 5.关键要点 二.自举电容实现MOSFET高端驱动 2.1MOSFET半桥高端驱动的基本原理 2.2自举电…
阅读更多...
最新文章

Copyright @ 2022~2023