ashx一般处理程序文件用处

简介: 今天逛博客园,无意发现一篇好文章,关于ashx文件的使用。 文章一:向服务器发送josn字符串,服务器端解析 本文转载:http://www.cnblogs.com/yzenet/p/3470388.

今天逛博客园,无意发现一篇好文章,关于ashx文件的使用。

文章一:向服务器发送josn字符串,服务器端解析

本文转载:http://www.cnblogs.com/yzenet/p/3470388.html

复制代码
    <script type="text/javascript">
        $(function () {
            $("#btnsave").click(function () {


                var json = { "age": 12, "address": "hk",
                    "ship": [ { "custID": "sz", "cpname": "bookstrf" },{ "custID": "fkff", "cpname": "kfg"}]
                };
              
                $.ajax({

                    type: "post",
                    url: "Handler/test.ashx",
                    datatype: "json",
                    data: { name: JSON.stringify(json) },
                    async: true,
                    success: function (data) {
                        alert(data);

                    }
                });
            });

        });
    </script>
复制代码
复制代码
public class test : IHttpHandler
    {

        public void ProcessRequest(HttpContext context)
        {
          
            string ss = context.Request["name"];

            var serialize = new JavaScriptSerializer();
            var t = serialize.Deserialize<Model>(ss);

        }

        public bool IsReusable
        {
            get
            {
                return false;
            }
        }

        class Model
        {
            public int age {get; set;}
            public string address{get; set;}
            public List<Ship> ship{get; set;}
        }
        class Ship
        {
            public string custID{get; set;}
            public string cpname { get; set; }
        }
    }
复制代码

//得到数据对象:

请求URL:http://localhost:3043/Handler1.ashx?name=HelloWorld!

 

文章二:如何读取二进制图片-.ashx一般处理程序 --1 

本文博客转载:http://www.cnblogs.com/travelcai/archive/2007/09/25/904767.html

 

总结:看了上面文章一和文章二;可以将两者结合起来。

如果是显示多个不同图片时候,是否可以将

 <asp:Image ID="Image1" runat="server"  ImageUrl="~/ImageHandler.ashx"/></div>

进行改造:

 <asp:Image ID="Image1" runat="server"  ImageUrl="~/ImageHandler.ashx/?pic=U1513.jpg"/></div>

ashx一般程序代码:

 

  public void ProcessRequest (HttpContext context)
    {
        //获取虚拟目录的物理路径。 
        string path = context.Server.MapPath("");
        
        //获取图片文件名
        string picFileName = context.Request["pic"];
        
        //获取图片文件的二进制数据。
        byte[] datas = System.IO.File.ReadAllBytes(path + "\\" + picFileName);
       //将二进制数据写入到输出流中。
        context.Response.OutputStream.Write(datas, 0, datas.Length);
    }
 

  继续扩展一下思路:如果是读取员工信息表,显示员工头像呢?是否只需要传递EmpID就行呢? 。。。 。。。 。答案是可以的!!!

目录
相关文章
|
机器学习/深度学习 传感器 人工智能
人工智能产业结构
人工智能产业结构
746 0
EMQ
|
存储 JSON 数据库
MQTTX 1.10.0 发布:CLI高级文件管理与配置
在本次更新中,CLI 版本在文件管理和配置功能方面进行了显著增强。主要更新包括:支持从文件中读取和写入消息、高级配置选项、文本输出模式、以及改进的日志记录。此外,桌面版本现在支持数据库重建,以防止文件损坏引起的问题,并且能更好地处理大数据的展示。这些更新希望为所有 MQTTX 用户提供更加强大和用户友好的体验。
EMQ
833 93
MQTTX 1.10.0 发布:CLI高级文件管理与配置
|
存储 监控 数据安全/隐私保护
ERP系统中的文档管理与版本控制
【7月更文挑战第25天】 ERP系统中的文档管理与版本控制
488 2
ERP系统中的文档管理与版本控制
|
5G UED
5G NR中的寻呼过程
【8月更文挑战第31天】
446 1
|
SQL 存储 Go
【译】SQLAlchemy文档:SQLAlchemy 统一教程
【译】SQLAlchemy文档:SQLAlchemy 统一教程
411 1
|
12月前
|
搜索推荐 项目管理 Android开发
产品经理-面试前思考
《面试前思考 - AxureMost》涵盖面试前自查、个人情况、公司情况、产品深挖、产品基础功、项目管理与团队协作、个人特质深挖、基础履历及规划、行业知识等内容。帮助求职者全面准备,从了解公司实力、岗位要求到自我优势分析、行业理解等多方面进行梳理,确保面试时从容应对。
|
12月前
|
数据挖掘
企业成长伙伴:销售易、创客、用友CRM系统的特色与适用性
销售易、创客和用友是企业资源规划和客户关系管理领域的三大品牌。销售易专注于CRM解决方案,提供从线索到现金的全流程管理,适用于追求高效率的大型企业;创客为中小企业提供低成本、易用的CRM系统,助力业务增长;用友则以其强大的集成能力和行业解决方案,服务于中大型企业,特别是在制造业和金融服务业。选择CRM系统时,企业应根据自身需求、预算和发展规划,挑选最适合的解决方案。
|
Ubuntu 测试技术 Linux
warp工具
本文档介绍了在Ubuntu 20.04上使用Cloudflare Warp代理网络以解决访问限制问题。
748 0
|
人工智能 网络架构 开发者
第一个100%开源的MoE大模型,7B的参数,1B的推理成本
【10月更文挑战第1天】《OLMoE: Open Mixture-of-Experts Language Models》一文介绍了OLMoE,这是一个完全开源的Mixture-of-Experts(MoE)语言模型,具有70亿参数量,但每个输入令牌仅需10亿参数进行推理,有效平衡了性能与成本。OLMoE由Allen Institute for AI等机构的研究者共同开发,其开源特性促进了大规模语言模型领域的合作与创新,降低了资源浪费,同时具备良好的可扩展性和效率,为研究和应用开辟了新可能。然而,其复杂性也可能带来训练和调优上的挑战。
324 2
|
机器学习/深度学习 数据采集 TensorFlow
【Python机器学习专栏】使用Python进行图像分类的实战案例
【4月更文挑战第30天】本文介绍了使用Python和深度学习库TensorFlow、Keras进行图像分类的实战案例。通过CIFAR-10数据集,展示如何构建和训练一个卷积神经网络(CNN)模型,实现对10个类别图像的识别。首先安装必要库,然后加载数据集并显示图像。接着,建立基本CNN模型,编译并训练模型,最后评估其在测试集上的准确性。此案例为初学者提供了图像分类的入门教程,为进一步学习和优化打下基础。
617 0