java教程技术文章
-
- Java账号密码校验实现方法详解
- 应使用String.isBlank()或StringUtils.isBlank()校验账号密码是否为空白,密码需满足长度6–20位且至少含大小写字母、数字、特殊符号三类,存储必须加盐哈希(如BCrypt),校验须恒定时间比对,并模糊提示错误原因。
- 文章 · java教程 | 4个月前 | 252浏览 收藏
-
- PrintWriter写入文件内容为空的解决方法
- Java中用PrintWriter向多个文件写入内容却出现文件为空,根本原因是未显式关闭流;推荐使用try-with-resources语句自动管理资源,确保缓冲区刷新并安全释放文件句柄。
- 文章 · java教程 | 4个月前 | 435浏览 收藏
-
- 在 Java 中,Character.isHighSurrogate(char c) 用于判断一个字符是否是 Unicode 增补字符(Supplementary Character)的高代理字符(High Surrogate)。Unicode 的基本多语言平面(BMP)只包含 U+0000 到 U+FFFF 的字符,而超出这个范围的字符(如 U+10000 及以上)被称为增补字符,它们由两个 1
- Java中char是16位,增补字符用代理对表示;isHighSurrogate()仅判断高位代理,需配合isLowSurrogate()和codePointAt()等安全处理,推荐用codePoints()流遍历。
- 文章 · java教程 | 4个月前 | 297浏览 收藏
-
- 获取Class对象:线程上下文类加载器资源坑
- 应优先使用当前类的类加载器(MyClass.class.getClassLoader())获取资源,避免依赖不可控的上下文类加载器;注意路径语义差异,统一用带前导斜杠的绝对路径;Java9+模块环境下需确保模块声明opens或配置add-opens。
- 文章 · java教程 | 4个月前 | 367浏览 收藏
-
- Java接口与类的区别及OOP设计原则
- Java接口与类本质不同:接口是行为契约,只声明“能做什么”,无状态无实现;类是实体蓝图,定义“有什么”和“怎么做”,可实例化。
- 文章 · java教程 | 4个月前 | 187浏览 收藏
-
- Java 中使用 AtomicLongFieldUpdater 原子更新 volatile 长整型字段
- AtomicLongFieldUpdater是用于对volatilelong实例字段进行无锁原子更新的工具类,基于反射+Unsafe实现CAS,要求字段为volatile、long类型、非static非final,且updater需在字段可见范围内声明。
- 文章 · java教程 | 4个月前 | 158浏览 收藏
-
- 使用 Arrays.hashCode() 可以为数组生成一个稳定的哈希值,适用于缓存映射。以下是具体方法和示例:✅ 1. 了解 Arrays.hashCode()Arrays.hashCode() 是 Java 标准库中用于计算数组哈希值的工具方法,它会根据数组内容生成一个整数哈希值。适用于所有基本类型数组(如 int[], long[], byte[] 等)。也适用于对象数组(如 String[
- Arrays.hashCode()对一维数组内容深度哈希,确保相同元素顺序和值产生一致哈希;二维及以上数组须用Arrays.deepHashCode();自定义类需重写hashCode()与equals()且基于不可变字段;推荐封装为final不可变键类并深拷贝数组。
- 文章 · java教程 | 4个月前 | 426浏览 收藏
-
- Maven 重新引入被排除依赖方法
- 当某个传递依赖(如Tar.jar)因上游模块使用<exclusion>被意外移除时,可通过显式声明该依赖或利用<dependencyManagement>统一恢复其版本与可见性,无需修改原始模块POM。
- 文章 · java教程 | 4个月前 | 246浏览 收藏
-
- 反射获取类加载路径,定位Jar包位置方法
- 最可靠的方式是通过类的ProtectionDomain获取CodeSource再提取getLocation(),因其由JVM加载时明确记录来源,语义严谨稳定;Class.getResource("/")易受classloader、fatjar或模块化影响而返回null或不准确。
- 文章 · java教程 | 4个月前 | 396浏览 收藏
-
- Python strip() 去除前后空格和换行方法
- strip()用于去除字符串首尾指定字符,默认去空白符,不改中间内容;可自定义字符集,lstrip()和rstrip()分别只处理左端或右端;返回新字符串,不影响原串。
- 文章 · java教程 | 4个月前 | 498浏览 收藏
-
- 使用 Collections.binarySearch() 实现对数查找方法
- Collections.binarySearch()是Java中专为已排序List设计的O(logn)查找方法,要求列表严格升序或按指定Comparator有序,否则结果未定义;返回≥0为找到元素的索引,<0则表示未找到且可推导插入位置。
- 文章 · java教程 | 4个月前 | 182浏览 收藏
-
- Java动态代理与静态代理区别解析
- 代理模式通过代理对象为原对象提供额外功能。静态代理需手动编写代理类,编译期确定,每个目标类对应一个代理类,代码重复;动态代理在运行时生成代理类,JDK动态代理基于接口,通过Proxy和InvocationHandler实现,CGLIB基于继承,使用ASM生成子类,适用于无接口类。两者核心区别在于代理类生成时机与灵活性,动态代理更利于解耦和扩展。
- 文章 · java教程 | 4个月前 | 417浏览 收藏
-
- Java 中的 WeakHashMap 是一个基于弱引用(WeakReference)实现的哈希表。它的特点是:当 Key 对象被垃圾回收器(GC)回收后,对应的 Entry 会自动从 WeakHashMap 中被清除,无需手动操作。实现原理WeakHashMap 的核心在于它使用了 弱引用 来包装 Key。具体来说:WeakHashMap 内部使用了一个 ReferenceQueue。每个 Ke
- WeakHashMap的Key被GC回收后自动失效,因其Key被WeakReference包装,无强引用时GC可回收Key,Entry变为key==null的失效状态;后续get/put等操作触发expungeStaleEntries()扫描并移除失效Entry。
- 文章 · java教程 | 4个月前 | 300浏览 收藏
-
- 双堆结构实现滑动窗口中位数维护
- 滑动窗口中位数的核心难点是窗口滑动时高效删旧加新;主流解法为双堆(大根堆+小根堆),关键在动态平衡规则与延迟删除的精准实现:左堆存较小一半、右堆存较大一半,按k奇偶控制dif=len(左)-len(右)为1或0,中位数由堆顶直接得出;插入删除联动更新dif,仅当dif=±2时调整堆顶;延迟删除须先清左堆再清右堆,避免逻辑错位;边界需处理Python无大根堆、k=1空右堆、初始化平分等细节。
- 文章 · java教程 | 4个月前 | 329浏览 收藏
-
- WeakHashMap内存优化优势解析
- WeakHashMap用于变量元数据缓存的核心优势是自动解耦生命周期,避免内存泄漏:键对象失去强引用后条目自动失效,值需自主管理,不适用于长期配置场景。
- 文章 · java教程 | 4个月前 | 426浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析,希望您看完这套视频有所收获;包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 258次使用
-
- 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。
- 302次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 281次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 259次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 67次使用

