swift网络请求 数据解析 图片显示 模型转换

简介: Alamofire :swift版本的网络请求sdk,是AFNetworking研发团队研发的swift版网络请求工具类SwiftyJSON:当然就是用来解析json数据的咯Kingfisher: 是用来显示网络图片的与oc中的SDWebImage类似HandyJSON: 可将json转模型

分别是:


Alamofire  :swift版本的网络请求sdk,是AFNetworking研发团队研发的swift版网络请求工具类


SwiftyJSON:当然就是用来解析json数据的咯


Kingfisher: 是用来显示网络图片的与oc中的SDWebImage类似


HandyJSON: 可将json转模型


上代码:


实现的效果图:


微信图片_20221017212618.png

image


Alamofire的使用:


get请求


func getRequest(urlString:String, params :Parameters? =nil, success :@escaping(_response : [String:AnyObject])->(), failture :@escaping(_error :Error)->()) { 
        //使用Alamofire进行网络请求时,调用该方法的参数都是通过getRequest(urlString, params, success :, failture :)传入的,而success传入的其实是一个接受          [String : AnyObject]类型 返回void类型的函数
         Alamofire.request(urlString, method: .get, parameters: params)
             .responseJSON{ (response)in/*这里使用了闭包*/
                 //当请求后response是我们自定义的,这个变量用于接受服务器响应的信息
            //使用switch判断请求是否成功,也就是response的result
                 switchresponse.result{
                 case.success(letvalue):
                     //当响应成功是,使用临时变量value接受服务器返回的信息并判断是否为[String: AnyObject]类型 如果是那么将其传给其定义方法中的success
                     //                    if let value = response.result.value as? [String: AnyObject] {
                    success(valueas! [String:AnyObject])
                    //                    }
 //                    let json = JSON(value)
 //                    print(json)
                 case.failure(leterror):
                     failture(error)
                     print("error:\(error)")
                 }
         }
     }


post请求


funcpostRequest(urlString :String, params :Parameters? =nil, success :@escaping(_response : [String:AnyObject])->(), failture :@escaping(_error :Error)->()) {
         Alamofire.request(urlString, method:HTTPMethod.post, parameters: params).responseJSON{ (response)in
            switchresponse.result{
             case.success:
                 ifletvalue = response.result.valueas? [String:AnyObject] {
                     success(value)
                 }
             case.failure(leterror):
                 failture(error)
                 print("error:\(error)")
             }
        }
     }


上传图片或文件


func upLoadImageRequest(urlString :String, params:[String:String], data: [Data], name: [String],success :@escaping(_response : [String:AnyObject])->(), failture :@escaping(_error :Error)->()){
         let headers = ["content-type":"multipart/form-data"]
         Alamofire.upload(
             multipartFormData: { multipartFormDatain
                 //666多张图片上传
 //                拼接参数
                 for(key,_)in params {
                     letvalue = params[key]
                     multipartFormData.append((value?.data(using:String.Encoding.utf8)!)!, withName: key)
                 }
                 for I in 0..<data.count{
 //          在线文件类型对照表http://tool.oschina.net/commons
                     multipartFormData.append(data[i], withName:"file", fileName: name[i], mimeType:"image/jpg")
                 }
         },to: urlString,
             headers: headers,
             encodingCompletion: { encodingResultin
                 switchencodingResult {
                 case.success(letupload,_,_):
                     upload.responseJSON{ responsein
                         ifletvalue = response.result.valueas? [String:AnyObject]{
                             success(value)
                         }
                     }
                 case.failure(letencodingError):
                      print(encodingError)
                     failture(encodingError)
                 }
         }
         )
     }


SwiftyJSON使用:


JSON(json)使用到了Swiftjson


微信图片_20221017212622.png

image


Kingfisher的简单使用

cell.iconImageView.kf.setImage(with:URL(string: model.iconUrl))*


HandyJSON的使用


创建结构体模型


微信图片_20221017212626.png

image.png


给模型赋值


//解析数据
            let json = JSON(respont)
            print(json)
            if let advertList = JSONDeserializer<HomeModel>.deserializeFrom(json: json.description) { // 从字符串转换为对象实例
            }


相关文章
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
卷积神经网络深度解析:从基础原理到实战应用的完整指南
蒋星熠Jaxonic,深度学习探索者。深耕TensorFlow与PyTorch,分享框架对比、性能优化与实战经验,助力技术进阶。
|
5月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
467 0
|
6月前
|
机器学习/深度学习 数据采集 传感器
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
222 0
|
4月前
|
机器学习/深度学习 数据采集 人工智能
深度学习实战指南:从神经网络基础到模型优化的完整攻略
🌟 蒋星熠Jaxonic,AI探索者。深耕深度学习,从神经网络到Transformer,用代码践行智能革命。分享实战经验,助你构建CV、NLP模型,共赴二进制星辰大海。
|
5月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
379 2
|
5月前
|
机器学习/深度学习 人工智能 算法
卷积神经网络深度解析:从基础原理到实战应用的完整指南
蒋星熠Jaxonic带你深入卷积神经网络(CNN)核心技术,从生物启发到数学原理,详解ResNet、注意力机制与模型优化,探索视觉智能的演进之路。
534 11
|
4月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
229 0
|
5月前
|
机器学习/深度学习 并行计算 算法
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
141 8
|
5月前
|
安全 网络性能优化 网络虚拟化
网络交换机分类与功能解析
接入交换机(ASW)连接终端设备,提供高密度端口与基础安全策略;二层交换机(LSW)基于MAC地址转发数据,构成局域网基础;汇聚交换机(DSW)聚合流量并实施VLAN路由、QoS等高级策略;核心交换机(CSW)作为网络骨干,具备高性能、高可靠性的高速转发能力;中间交换机(ISW)可指汇聚层设备或刀片服务器内交换模块。典型流量路径为:终端→ASW→DSW/ISW→CSW,分层架构提升网络扩展性与管理效率。(238字)
1355 0
|
5月前
|
机器学习/深度学习 数据采集 运维
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断

推荐镜像

更多
  • DNS