上机实战七:EL和JSTL的使用

[上机目的与要求] 理解并掌握EL表达式、理解并掌握常用的JSTL标签。

[上机重点与难点] EL和JSTL的使用。

[上 机 方 法] 由指导老师演示和指导,学生亲自上机操作。

[上 机 内 容] 使用EL和JSTL简化页面开发。

建议学时:2

一、使用EL表达式简化javaBean的开发

编写一个用户登录的JavaBean,用户信息包括用户名和密码。

编写user.jsp,使用setProperty设置用户名为125jz,密码为123。

使用EL获取用户名和密码并显示。

二、使用EL实现问卷调查

用户输入昵称、所在城市,并且以多选的方式让用户选择所使用的开发语言,然后使用EL表达式显示在页面上。

上机实战七:EL和JSTL的使用

三、EL函数的定义与使用

定义和使用EL函数的3个步骤:

(1)编写一个Java类,在该类中编写公用的静态方法,用于实现自定义EL函数的具体功能。

(2)编写标签库描述文件,对函数进行声明。该文件的扩展名为.tld,被保存到Web应用的WEB-INF文件夹下。

(3)在JSP页面中引用标签库,并调用定义的EL函数,实现相应的功能。

定义EL函数处理字符串中的回车换行符和空格符。

(1)编写一个Java类,名称为StringDeal,将其保存在com 包中,在该类中添加一个公用的静态的方法shiftEnter(),在该方法中替换输入字符串中的回车换行符为<br>,空格符为&nbsp;,最后返回新替换后的字符串。

StringDeal类代码如下:

package com;
public class StringDeal {
  public static String shiftEnter(String str) {  
  String newStr = str.replaceAll("\r\n", "<br>"); // 替换回车换行符
  newStr = newStr.replaceAll("  ", "&nbsp;");  // 替换空格符
  return newStr;
  }
}

2)编写标签库描述文件,名称为stringDeal.tld,并将其保存到WEB-INF文件夹下,关键代码如下:

<?xml version="1.0" encoding="UTF-8"?>
<taglib xmlns="http://java.sun.com/xml/ns/j2ee" 
 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 xsi:schemaLocation="http://java.sun.com/xml/ns/j2ee
 web-jsptaglibrary_2_0.xsd"
 version="2.0">
 <tlib-version>1.0</tlib-version>
 <uri>/stringDeal</uri>
 <function>
  <name>shiftEnter</name>
  <function-class>com.StringDeal</function-class>
<function-signature>java.lang.String shiftEnter(java.lang.String)
  </function-signature>
 </function>
</taglib>

<uri>标记:用于指定tld文件的映射路径。在应用EL函数时,需要使用该标记指定的内容。

<name>标记:用于指定EL函数所对应方法的方法名,通常与Java文件中的方法名相同。

<function-class>标记:用于指定EL函数所对应的Java文件,需要包括包名和类名。

<function-signature>标记:用于指定EL函数所对应的静态方法,这里包括返回值的类型和入口参数的类型。在指定这些类型时,需要使用完整的类型名,例如,在上面的代码中,不能指定该标记的内容为“String shiftEnter(String)”。

3)编写index.jsp文件,添加一个表单及表单元素:

<form name="form1" method="post" action="deal.jsp">
<textarea name="content" cols="30" rows="5"></textarea>
<input type="submit" name="Button" value="提交" >
</form>

4)编写表单的处理页deal.jsp文件,应用EL函数,对获取到的内容信息进行处理。

<%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>
<%@ taglib uri="/stringDeal" prefix="jgy"%>
<%request.setCharacterEncoding("UTF-8"); %>
<html><head><meta charset="utf-8">
<title>显示结果</title>
</head><body>
内容为:<br>
${jgy:shiftEnter(param.content)}
</body>
</html>

说明:在引用标签库时,指定的uri属性与标签库描述文件中的<uri>标记的值是相对应的。

运行结果:

上机实战七:EL和JSTL的使用

四、JSTL 表达式标签的使用

编写jstl.jsp文件,使用set 标签给session范围内的变量username赋值为张三;

使用set 标签给application范围内的变量count赋值为0;

使用out 标签在页面上显示变量username和count的值;

使用remove 标签删除这两个变量。

125jz网原创文章。发布者:江山如画,转载请注明出处:http://www.125jz.com/2899.html

(17)
江山如画的头像江山如画管理团队
最新北京大学核心期刊目录(2017第八版,2018~2022适用)
上一篇 2018年12月2日 下午8:31
div/span水平顶部对齐,同一行div跟内容最多的div高度保持一样高
下一篇 2018年12月10日 下午3:25

99%的人还看了以下文章

  • MVC详解:模型(Model)-视图(View)-控制器(Controller)

    MVC(模型-视图-控制结构)是软件开发中常用的一种架构模式。它强制性的将输入、处理和输出分开。使应用程序被分成三个核心部件:模型 (Model)、视图(View)和控制(Controller)。它们各自处理自己的任务,有效地分离存储数据和展示数据功能模块以降低它们之间的耦合度。 MVC体系结构: 模型层主要负责保存和访问业务数据,执行业务逻辑和操作。这一层…

    2020年2月23日
    8.1K0
  • Myeclipse设置JSP视图和代码显示在同一个窗口

    Myeclipse设置JSP视图和代码显示在同一个窗口Myeclipse设置JSP视图和代码显示在同一个窗口Myeclipse设置JSP视图和代码显示在同一个窗口Myeclipse设置JSP视图和代码显示在同一个窗口

    Myeclipse开发时,想同时查看页面及代码视图,如上图,而默认只能看到代码。 Myeclipse设置JSP页面和代码显示在同一个窗口的方法有两种。 一、在JSP页面上右击-open with-other… 在弹出的Editor selection窗口中选择web page editor,就可以了。 二、选择 window-preferences,如下图,…

    2018年12月17日 编程开发
    5.9K0
  • python 函数,字典,列表使用综合实例(经典)

    现有一字典: dict1 = {’01’: [67, 88, 45], ’02’: [97, 68, 85], ’03’: [97, 98, 95], ’04’: [67, 68, 45], } 存放着学生的学号和成绩。成绩列表中的3个数据分别是学生的语文、数学、英语成绩。 要求: 1.编写函数,返回每门成绩均大于等于85的学生的学号。 dict1 = {‘…

    2020年1月31日
    15.3K0
  • 快速排序基本思想、实例讲解及Java实现代码

    文章介绍了快速排序的基本思想、实现步骤和Java实现代码。

    2022年12月1日
    6.8K0
  • NumPy快速入门(一)

    NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。 NumPy作为高性能科学计算和数据分析的基础包,是其他重要数据分析工具的基础。 一、认识NumPy数组对象 import numpy as np #导入numpy数据包 data=np.arange(…

    2022年1月24日
    2.0K0
  • 卷积神经网络 数据维度计算公式:输入输出关系、输出维度

    卷积神经网络 数据维度计算公式:输入输出关系、输出维度卷积神经网络 数据维度计算公式:输入输出关系、输出维度卷积神经网络 数据维度计算公式:输入输出关系、输出维度卷积神经网络 数据维度计算公式:输入输出关系、输出维度

    假设你有 5 个大小为 7×7、边界值为 0 的卷积核,同时卷积神经网络第一层的深度为 1。 此时如果你向这一层传入一个维度为 224x224x3 的数据,那么神经网络下一层所接收到的数据维度是( )。 A.218*218*5 B.217*217*8 C.217*217*3 D.220*220*5 在进行深度学习训练时,优化器会对模型的参数进行优化…

    2022年9月22日 编程开发
    16.4K3

发表回复

登录后才能评论