JSF开发需知

简介:
首先,JSF是表示层的框架,是Java的标准。在未来的发展中,有可能所有的J2EE应用服务器都需要支持JSF(Java Server Faces)。
开发JSF几点比较要注意的地方:
   (1)web工程启动时首先要在web.xml中加载jsf的配置信息,代码如下:
代码
<? xml version="1.0" encoding="ISO-8859-1" ?>
 
< web-app  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 
    http://java.sun.com/xml/ns/j2ee/web-app_2_4.xsd"

    version
="2.4" >
    
< servlet >
        
< servlet-name > Faces Servlet </ servlet-name >
        
< servlet-class >
            javax.faces.webapp.FacesServlet
        
</ servlet-class >
        
< load-on-startup > 1 </ load-on-startup >
    
</ servlet >
   
    
< servlet-mapping >
        
< servlet-name > Faces Servlet </ servlet-name >
        
< url-pattern > *.cy </ url-pattern >
    
</ servlet-mapping >
 
</ web-app >        
复制代码
说明
在这里要注意,比如我的工程是test, < url-pattern > *.cy </ url-pattern > 在页面请求的时候要写成,http://localhost:8000/test/index.cy
    (2)然后就是写jsf的配置文件faces-config.xml,在配置文件中比较重要的几个节点有
    
< faces-config > 所有的节点都包含在该节点之下。
    
< navigation-rule > 定义的是页面的流程.包含以下接点.
    
< from-view-id > 定义了指定来自哪个页面的请求 < from-view-id > /index.jsp </ from-view-id >
    
< navigation-case > 具体指定index.jsp提交后跳转到哪个页面,他有2个接点,一个是 < from-outcome > login </ from-outcome > 一个是 < to-view-id > /welcome.jsp </ to-view-id > 当请求来字 < from-view-id > 中指定的页面,并且 < navigation-case > 中的 < from-outcome > 为login时,就会将请求导向到 < to-view-id > 所指定的页面.
   
< managed-bean > 节点,定义了formbean,类似于struts中的表单form,代码如下:
< managed-bean >
        
< managed-bean-name > user </ managed-bean-name > 定义了bean的别名
< managed-bean-class > 具体bean的位置,路径要写全
       onlyfun.caterpillar.UserBean
         
</ managed-bean-class > bean的存活范围
   
< managed-bean-scope > session </ managed-bean-scope >
    
</ managed-bean >
   (3)就是编写jsp页面,首先引入jsf的自定义标签,
    
< % @ taglib  uri ="http://java.sun.com/jsf/core"    prefix ="f"  % > http://java.sun.com/jsf/core之间要有引号
< % @ taglib  uri ="http://java.sun.com/jsf/html"   prefix ="h"  % >
    如果要使用jsf的组件时,这些组件在jsp中一定要放在
< f:view > </ f:view > 之间,就象html一样 
复制代码
 
本文转自温景良(Jason)博客园博客,原文链接:http://www.cnblogs.com/wenjl520/archive/2009/12/24/1631160.html,如需转载请自行联系原作者
相关文章
|
17小时前
|
云安全 数据采集 人工智能
古茗联名引爆全网,阿里云三层防护助力对抗黑产
阿里云三层校验+风险识别,为古茗每一杯奶茶保驾护航!
古茗联名引爆全网,阿里云三层防护助力对抗黑产
|
4天前
|
Kubernetes 算法 Go
Kubeflow-Katib-架构学习指南
本指南带你深入 Kubeflow 核心组件 Katib,一个 Kubernetes 原生的自动化机器学习系统。从架构解析、代码结构到技能清单与学习路径,助你由浅入深掌握超参数调优与神经架构搜索,实现从使用到贡献的进阶之旅。
267 139
|
4天前
|
人工智能 中间件 API
AutoGen for .NET - 架构学习指南
《AutoGen for .NET 架构学习指南》系统解析微软多智能体框架,涵盖新旧双架构、核心设计、技术栈与实战路径,助你从入门到精通,构建分布式AI协同系统。
280 142
|
15天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
10天前
|
缓存 并行计算 PyTorch
144_推理时延优化:Profiling与瓶颈分析 - 使用PyTorch Profiler诊断推理延迟,优化矩阵运算的独特瓶颈
在2025年的大模型时代,推理时延优化已经成为部署LLM服务的关键挑战之一。随着模型规模的不断扩大(从数亿参数到数千亿甚至万亿参数),即使在最先进的硬件上,推理延迟也常常成为用户体验和系统吞吐量的主要瓶颈。
354 147
|
4天前
|
人工智能 移动开发 自然语言处理
阿里云百炼产品月刊【2025年9月】
本月通义千问模型大升级,新增多模态、语音、视频生成等高性能模型,支持图文理解、端到端视频生成。官网改版上线全新体验中心,推出高代码应用与智能体多模态知识融合,RAG能力增强,助力企业高效部署AI应用。
268 1
|
10天前
|
机器学习/深度学习 存储 缓存
92_自我反思提示:输出迭代优化
在大型语言模型(LLM)应用日益普及的今天,如何持续提升模型输出质量成为了业界关注的核心问题。传统的提示工程方法往往依赖一次性输入输出,难以应对复杂任务中的多轮优化需求。2025年,自我反思提示技术(Self-Reflection Prompting)作为提示工程的前沿方向,正在改变我们与LLM交互的方式。这项技术通过模拟人类的自我反思认知过程,让模型能够对自身输出进行评估、反馈和优化,从而实现输出质量的持续提升。
411 136
|
14天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
408 135
|
14天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
536 133
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话