hibernate查询遇到罗马数字(例如Ⅱ)乱码的问题

chuan315 2008-07-18 09:33:57

我在查询过程中有个字段里面包含罗马字段Ⅱ,查询时返回的sql语句显示的这个Ⅱ是乱码,我通过在HQL里用?问代替,然后在后面用setString(0, 这个字段),解决了这个问题,返回的sql里也没有乱码了,但是有些语句是能过sql拼接而成的,不知道个数,所以不能用?号这种方式,有没有办法解决啊....我用的是sql server2005的数据库,这个"Ⅱ"在java类里是正常的,就是查询返回的sql是乱码,所有的转码方法我都试遍了,比如new String("Ⅱ".getBytes("ISO8859_1"),"GBK")...

...全文

148 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

sunickzuo 2008-07-18

打赏
举报

回复

帮顶~~
正在学习HIBERNATE，关注中~

lovingprince 2008-07-18

打赏
举报

回复

这个罗马数字也是个字符而已，你做SQL拼接的时候看看用的是什么编码。

内容概要：本文围绕“配电网两阶段鲁棒故障恢复”展开研究，基于Matlab代码实现了针对配电网在故障情况下的恢复策略建模与仿真。研究采用两阶段鲁棒优化模型，有效应对系统中诸如负荷波动、分布式电源出力不确定性等扰动因素，提升配电网运行的韧性与可靠性。第一阶段制定预恢复方案，第二阶段根据实际故障场景动态调整决策，确保恢复方案的适应性与鲁棒性。该研究属于高水平期刊论文复现项目，技术路线严谨，参考了IEEE顶刊相关研究成果，并提供了完整的Matlab代码、仿真模型与网盘资源支持，涵盖YALMIP建模工具与Cplex求解器的应用。; 适合人群：具备电力系统分析基础与Matlab编程能力，从事智能电网、配电网优化、故障恢复、鲁棒优化等方向的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于复现IEEE顶刊级别的两阶段鲁棒优化模型；②为配电网故障恢复、不确定性建模与鲁棒调度研究提供技术参考；③支撑科研项目申报、论文写作及仿真验证工作；阅读建议：建议读者通过提供的网盘链接下载完整代码资源，结合文档逐步运行与调试程序，重点关注两阶段鲁棒模型的数学建模过程、列约束生成算法（C&CG）的实现逻辑，以及YALMIP与Cplex的协同使用方法，同时对照相关高水平论文深入理解其理论基础与创新点。

已经博主授权,源码转载自 https://pan.quark.cn/s/5ef723247c66 ### FM17550硬件设计指南知识点解析#### 一、产品综述##### 1.1 产品简介FM17550是一款专为在13.56MHz频率下运行的集成度高的非接触式读写芯片。该芯片能够兼容多种国际性标准的工作模式，涵盖ISO/IEC14443 Type A/MIFARE协议、Felica协议、ISO/IEC14443 Type B协议以及NFC IP-1协议等，这些功能使其能够适用于广泛的非接触式数据交换环境。- **读写器功能**：兼容ISO/IEC14443 Type A/MIFARE协议和Felica协议，适用于数据读写应用；- **卡片仿真功能**：兼容ISO/IEC14443 A/MIFARE协议及Felica协议的卡片仿真模式，可用于进行卡片模拟通信；- **NFC操作模式**：兼容NFC IP-1协议的NFC操作模式，完成近场通信任务。除此之外，FM17550还配备了一种低能耗的外部卡片探测功能，特别适用于电池供电的读写设备，能够在低能耗条件下持续监控射频区域内的卡片进出情况。##### 1.2 产品特性FM17550拥有多样化的特性与功能，包括：- 兼容ISO/IEC14443 Type A/B协议，满足不同应用环境的需求；- 提供MIFARE加密功能，确保信息安全；- 兼容多种通信速度，例如ISO14443 TYPE A支持106kbps、212kbps、424kbps、848kbps等速度；- 兼容基于FeliCa协议的不同速度，如212kbps和424kbps；- 兼容NFC IP-1协议，最高通信速度可达424kbps；- 读写操作距离可达50mm，...

本地深度研究是一款由人工智能驱动的高级助手，它通过运用任意语言模型（LLM）对多种知识来源进行迭代分析，包括学术数据库、科学仓库、网络内容和私人文档集合，将复杂问题转化成全面且附有引用的详尽报告

15ATP01594-LZ 承认书.pdf

内容概要：本文系统性地从数据驱动视角综述了具身智能中视觉-语言-动作（VLA）模型的研究进展，重点围绕三大核心要素——数据集、基准测试与数据引擎展开分析。文章提出统一的数据中心分类体系，揭示当前VLA领域在表征对齐、多模态监督、推理评估和可扩展数据生成方面面临的四大开放挑战。研究表明，未来突破的关键不在于模型架构本身，而在于协同设计高保真数据基础设施与结构化评估协议，尤其需要解决真实感与可扩展性的根本矛盾。作者还发布了持续更新的资源库以支持社区发展。; 适合人群：从事机器人学习、具身人工智能、计算机视觉与自然语言处理交叉领域的研究人员及工程技术人员，尤其是关注数据构建、模型评估与仿真系统的研究生和从业者。; 使用场景及目标：①理解VLA数据集在真实世界与合成数据间的权衡及其对泛化能力的影响；②掌握现有基准测试在长视野推理与组合任务评估中的局限性；③探索视频重建、硬件辅助与生成式数据引擎的技术路径与瓶颈；④指导未来VLA系统在物理真实性与数据规模之间的协同优化设计。; 阅读建议：此资源强调将数据基础设施视为首要研究问题，建议读者结合文中提出的三维度框架（数据集-基准-数据引擎）进行批判性思考，并重点关注跨平台对齐、长期推理评测与生成模型物理可信度等前沿议题，在实际研究中推动数据与模型的联合创新。

67,538

社区成员

225,852

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章