当前位置:首页 > 文章列表 > 数据库 > MySQL > ssm搭建拍卖系统

ssm搭建拍卖系统

来源:SegmentFault 2023-02-16 15:43:56 0浏览 收藏

怎么入门数据库编程?需要学习哪些知识点?这是新手们刚接触编程时常见的问题;下面golang学习网就来给大家整理分享一些知识点,希望能够给初学者一些帮助。本篇文章就来介绍《ssm搭建拍卖系统》,涉及到MySQL、javascript、ssm、jsp、jquery,有需要的可以收藏一下

项目介绍及流程

拍卖系统采用ssm架构搭建,页面数据渲染采用jsp的初级简易拍卖系统,拍卖流程为 普通用户注册、登录后,进入个人中心发布商品后, 系统管理员进行商品审核, 审核不通过,用户发布列表展示拒绝原因, 审核通过后,首页及分类可查询展示,非发布人员进行商品竞价, 竞价完成,发布者进行商品发货, 拍卖获得者进行付款, 完成最终交易。

开发环境:

  1. jdk 8
  2. intellij idea
  3. tomcat 8
  4. mysql 5.7

所用技术:

项目框架:ssm
前端渲染:jsp
前端技术:js/jquery

项目目录结构

项目目录结构
  • controller,视图控制层,
  • service,业务逻辑层
  • dao,数据库操作层
  • jsp,页面进行数据渲染
  • mapper.xml,此文件定义了操作数据库的sql,每个sql是一个statement,映射文件是mybatis的核心
  • jdbc.properties,数据库帐号密码配置

运行效果

  • 注册

注册
  • 首页

首页
  • 发布商品

发布商品
  • 商品竞价

商品竞价
  • 浏览记录

浏览记录
  • 后端-商品管理

后端-商品管理

核心项目配置:

1.spring-mvc.xml配置:

text/html;charset=UTF-8

2.spring-mybatis.xml配置

com.mysql.jdbc.Driverjdbc:mysql://localhost:3306/pmxt?characterEncoding=UTF-8rootroot123

3.登录验证

@RequestMapping("/sysRecommend")
public String sysRecommend(HttpSession session, Model model, String page)
{
 PUsersModel pUsersModel=(PUsersModel)session.getAttribute("pUsersModel"); //先判断当前用户是否已经浏览过商品
 LookshistoryModel lookModel=new LookshistoryModel(); lookModel.setUserid(pUsersModel.getUid()); List lists=lookshistoryService.selectLookshistory(lookModel);      //查询总记录并做降序处理
 Map gmap=new HashMap(); if(lists!=null&lists.size()>0){                                           //根据做商品过滤筛选 精准推荐
 int hits=0;                                                          //获取浏览总数
 for(LookshistoryModel m:lists){ gmap.put(m.getPgtype(),m.getHits());                                 //填充商品占比情况
 hits+=m.getHits();                                              //叠加浏览次数
 } Map gpmap=new HashMap();                               //对象储存转换,类型--->>次数 模式
 for (Map.Entry entry : gmap.entrySet()) { BigDecimal percentage=new BigDecimal(entry.getValue()).divide(new BigDecimal(hits),2,BigDecimal.ROUND_HALF_DOWN);     //当前最高商品的占比
 int result=percentage.multiply(new BigDecimal(12)).intValue();                   //推荐每个商品出现的占比情况
 gpmap.put(entry.getKey(),result); } List afterGoodsModels =new ArrayList(); int afterPageNums =0; for (Map.Entry entry : gmap.entrySet()) {                         //最终推荐出商品情况
 int afterPageItem = goodsService.countAfterGoodsByKinds(entry.getKey()); final int afterPageSize = entry.getValue(); if (page == null) { page = "1"; } PageUtil afterPageUtil = new PageUtil(afterPageItem, afterPageSize, Integer.parseInt(page)); int afterPageNum = afterPageUtil.getPageNum(); afterPageNums+=afterPageNum; int afterStartRow = afterPageUtil.getStartRow(); List goodsModels = goodsService.getAfterCheckGoodsByPageBykinds(afterStartRow, afterPageSize, entry.getKey()); Boolean afterHasNextPage = (Integer.parseInt(page) != afterPageNum) && (afterPageNum != 0); model.addAttribute("afterHasPrePage", Integer.parseInt(page) != 1); model.addAttribute("afterHasNextPage", afterHasNextPage); model.addAttribute("afterGoodsModels", afterGoodsModels); model.addAttribute("afterPageItem", afterPageItem);
 model.addAttribute("nowPage", Integer.parseInt(page)); afterGoodsModels.addAll(goodsModels); } model.addAttribute("afterPrePage", Integer.parseInt(page) - 1); model.addAttribute("afterNextPage", Integer.parseInt(page) + 1); model.addAttribute("afterPageNum", afterPageNums);    //总页面
 model.addAttribute("afterGoodsModels", afterGoodsModels);//总商品
 }else{                                                             //根据大众浏览推荐
 lists=lookshistoryService.selectLookshistory(new LookshistoryModel());          //根据大众浏览次数多的多推荐
 if(lists!=null&lists.size()>0){ int hits=0;                                                          //获取浏览总数
 for(LookshistoryModel m:lists){ gmap.put(m.getPgtype(),m.getHits());                                 //填充商品占比情况
 hits+=m.getHits();                                              //叠加浏览次数
 } Map gpmap=new HashMap();//商品占比存储对象
 for (Map.Entry entry : gmap.entrySet()) { BigDecimal percentage=new BigDecimal(entry.getValue()).divide(new BigDecimal(hits));      //当前最高商品的占比
 int result=percentage.multiply(new BigDecimal(12)).intValue();                   //推荐每个商品出现的占比情况
 gpmap.put(entry.getKey(),result); } List afterGoodsModels =new ArrayList(); int afterPageNums =0; for (Map.Entry entry : gmap.entrySet()) {             //最终推荐出商品情况
 int afterPageItem = goodsService.countAfterGoodsByKinds(entry.getKey()); final int afterPageSize = entry.getValue(); if (page == null) { page = "1"; }`` PageUtil afterPageUtil = new PageUtil(afterPageItem, afterPageSize, Integer.parseInt(page)); int afterPageNum = afterPageUtil.getPageNum(); afterPageNums+=afterPageNum; int afterStartRow = afterPageUtil.getStartRow(); List goodsModels = goodsService.getAfterCheckGoodsByPageBykinds(afterStartRow, afterPageSize, entry.getKey()); Boolean afterHasNextPage = (Integer.parseInt(page) != afterPageNum) && (afterPageNum != 0); model.addAttribute("afterHasPrePage", Integer.parseInt(page) != 1); model.addAttribute("afterHasNextPage", afterHasNextPage); model.addAttribute("afterGoodsModels", afterGoodsModels); model.addAttribute("afterPageItem", afterPageItem);
 model.addAttribute("nowPage", Integer.parseInt(page)); afterGoodsModels.addAll(goodsModels); } model.addAttribute("afterPrePage", Integer.parseInt(page) - 1); model.addAttribute("afterNextPage", Integer.parseInt(page) + 1); model.addAttribute("afterPageNum", afterPageNums);    //总页面
 model.addAttribute("afterGoodsModels", afterGoodsModels);//总商品
 }else{ int lindid=(int)Math.random()*(1);                         //没有浏览次数系统随机推荐
 int afterPageItem = goodsService.countAfterGoodsByKinds(lindid); final int afterPageSize = 12; if (page == null) { page = "1"; } PageUtil afterPageUtil = new PageUtil(afterPageItem, afterPageSize, Integer.parseInt(page)); int afterPageNum = afterPageUtil.getPageNum(); int afterStartRow = afterPageUtil.getStartRow(); List afterGoodsModels = goodsService.getAfterCheckGoodsByPageBykinds(afterStartRow, afterPageSize, 0); Boolean afterHasNextPage = (Integer.parseInt(page) != afterPageNum) && (afterPageNum != 0); model.addAttribute("afterHasPrePage", Integer.parseInt(page) != 1); model.addAttribute("afterHasNextPage", afterHasNextPage); model.addAttribute("afterPrePage", Integer.parseInt(page) - 1); model.addAttribute("afterNextPage", Integer.parseInt(page) + 1); model.addAttribute("afterGoodsModels", afterGoodsModels); model.addAttribute("afterPageItem", afterPageItem); model.addAttribute("afterPageNum", afterPageNum); model.addAttribute("nowPage", Integer.parseInt(page)); } } return "otherkinds";}

项目总结

目前此版本为简易拍卖系统,其他拍卖逻辑或者额外功能,后续迭代排期开发,敬请关注!

今天关于《ssm搭建拍卖系统》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于mysql的内容请关注golang学习网公众号!

版本声明
本文转载于:SegmentFault 如有侵犯,请联系study_golang@163.com删除
为什么 MongoDB 索引选择B-树,而 Mysql 索引选择B+树(精干总结)为什么 MongoDB 索引选择B-树,而 Mysql 索引选择B+树(精干总结)
上一篇
为什么 MongoDB 索引选择B-树,而 Mysql 索引选择B+树(精干总结)
mysql异常案例分析
下一篇
mysql异常案例分析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    31次使用
  • SuperCLUE中文大模型评测基准:功能、能力维度与应用指南
    SuperCLUE
    SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
    187次使用
  • C-Eval中文评测基准:大语言模型多学科能力评估指南
    C-Eval
    深入了解C-Eval中文评估套件,涵盖52个学科与4级难度。本文详解其功能特点、Zero-shot/Few-shot使用方法及代码示例,助您全面评测LLM中文理解与泛化能力。
    122次使用
  • AI Prompt Library:免费AI提示词库,助力ChatGPT高效创作与营销
    AI Prompt Library
    探索AI Prompt Library免费资源库,涵盖营销、写作及多场景AI提示词。兼容ChatGPT、Claude等工具,一键复制优化输出,提升工作效率。
    46次使用
  • Generrated:DALL·E 2/3 AI绘画提示词灵感库与图像对比平台
    Generrated
    Generrated汇集9300+张DALL·E生成图像及对应提示词,支持查看完整图集、对比DALL·E 2与3版本差异,是AI绘图新手学习Prompt设计与获取创作灵感的实用工具。
    32次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码