接上一篇，说到XmlConfiguration,XmlConfiguration利用自己实现的IOC组装Server的全过程如下图所示：这里可以看到3个关键的配置文件，jetty.xml、jetty-deploy.xml、以及contexts/xxx.xml
在RCP中实现系统托盘功能在RCP中加入系统托盘功能，类似msn和QQ。功能就不说了。在RCP的WorkbenchWindowAdvisor的postWindowOpen()中创建系统托盘，另外要overridepreWindowShellClose()方法，否则按程序右上角的X，整个程序就会被关闭，重写后实现程序最小化的功能。ApplicationWorkbenchWindowAdvisor.java
假设我们有一个UserInfo的javabean，那么在JSP页面使用此标签只需调用此标签即可<%UserInfouser=newUserInfo();user.setUserName("Xuwei");user.setAge(33);user.setEmail("test@test.test");pageContext.setAttribute("userinfo",user);%>
github：https://github.com/zhangkaitao/bootstrap-file-input为bootstrap提供统一的文件上传按钮试用了几个类似的，不能满足需求，干脆自己写一个。思路是：利用label完成辅助点击file框，并把file框设置为透明即可，非常简单可完美解决在ie中的“访问限制”问题（即必须是用户点击才能进行文件上传），且无位置偏移问题。使用方式导入js和css即可，会自动查找file标签执行初始化
系统 2019-08-29 22:00:54 2050
要使得计算机能高效的处理真实文本，就必须找到一种理想的形式化表示方法，这种表示一方面能真实的反映文档内容(主题、领域或结构等)，另一方面也要有对不同文档的区分能力。目前文本表示通常采用向量空间模型(vectorspacemodel,VSM)。VSM是20世纪60年代末期由G.Salton等人提出的，是当前自然语言处理中常用的主流模型。下面首先给出VSM设计的基本概念：(1)文档(document)：通常是文章中具有一定规模的字符串。文档通常我们也叫文本。(
系统 2019-08-29 21:59:30 2050
终于到了该说说领域驱动设计的时候了。我们在这场关于代码质量的讨论中，从代码可读性开始，讨论了代码复用性、设计模式，然后探讨了职责驱动设计。代码可读性是对代码质量最基本的要求，可惜我们仍有做得不够的（即使那些开发程序很多年的老程序员）。代码复用是提高代码质量的最初级阶段，但是在一个多人开发的项目团队中，围绕代码复用值得讨论的问题依然非常多，它依然是一个非常复杂的问题，甚至有时它不再仅仅是一个技术问题，而是一个管理问题。唉，提高代码质量的道理漫漫兮同志们要上下
系统 2019-08-29 21:58:55 2050
Python常用库大全，看看有没有你需要的。环境管理管理Python版本和环境的工具p–非常简单的交互式python版本管理工具。pyenv–简单的Python版本管理工具。Vex–可以在虚拟环境中执行命令。virtualenv–创建独立Python环境的工具。virtualenvwrapper-virtualenv的一组扩展。包管理管理包和依赖的工具。pip–Python包和依赖关系管理工具。pip-tools–保证Python包依赖关系更新的一组工具。
系统 2019-09-27 17:57:04 2049
在编写计算机程序时，通常能够区分正常和异常（不正常）情况。异常事件可能是错误（如试图除以零），也可能是通常不会发生的事情。Python使用异常对象来表示异常状态，并在遇到错误时引发异常。异常对象未被处理（或捕获）时，程序将终止并显示一条错误消息（traceback）。#试图除以零的报错print(1/0)#Traceback(mostrecentcalllast):#print(1/0)#ZeroDivisionError:divisionbyzero正如
系统 2019-09-27 17:56:38 2049
大概在Python2.7.xx以前，安装Python时环境变量是需要自己设的，所以自己做了一个批处理文件.bat来设置环境变量Path，通过WMI命令wmic来实现。::检查path中有没有相关路径echo%path%|findstr/i"c:\python27\scripts"&&(gotorun)::先添加，防止没有时修改出错wmicENVIRONMENTcreatename="path",VariableValue="c:\python27\scri
系统 2019-09-27 17:56:30 2049
这是最近找机器学习实习的一个笔试题：看到这个题的时候第一想法就是用关联规则(Apriori算法)来实现。关联规则最重要的就是支持度Support和置信度Confidence。支持度的计算方法：#下面式中X∩Y表示X和Y同时发生的次数，N表示总事物数support(X->Y)=X∩Y/N置信度的计算方法：confidence(X->Y)=support(X->Y)/support(X)知道支持度和置信度的计算方法之后就可以实现上面算法了，首先本题给的数据集比
系统 2019-09-27 17:56:04 2049
