，但是方法里返回的是Sring【】类型。在线等候！！！！！请大侠给以帮助，小弟在这个谢谢了。
String url="XXXXX.jws";
Service service=new Service();
Call call=(Call) service.createCall();
call.setTargetEndpointAddress(new URL(url));
call.setOperationName("getSubjectList");//方法getSubjectList 返回的是String[]
Login login=new Login();
String str1=new String(login.department);
String str2=new String(login.loginName);
String str3=new String(login.password);
call.addParameter("str1", XMLType.XSD_STRING, ParameterMode.IN);
call.addParameter("str2", XMLType.XSD_STRING, ParameterMode.IN);
call.addParameter("str3", XMLType.XSD_STRING, ParameterMode.IN);
call.setReturnType(XMLType.XSD_STRING);//不能设置String[]
String result=(String) call.invoke(new Object[]{str1,str2,str3});//这里不能返回String[]
-
等级
本版专家分：22结帖率 76.92% -
这里是我已经生成的客户端的代码：public interface UploadFileServer；class UploadFileServerProxy；interface UploadFileServerService;class UploadFileServerServiceLocato;class UploadFileServerSoapBindingStub.但是我不知道怎样去调用这些已经生成好的类。我用了这个去调用展开阅读全文
-
等级
本版专家分：1307 -
看代码好像是axis生成的client，调用例子如下:
UploadFileServerServiceLocator locator =new UploadFileServerServiceLocator ();
locator.set***EndpointAddress("服务实现的地址");
UploadFileServerService_PortType stub = locator.getUploadFileServerService();
stub.getSubjectList(参数);
可能有些名称对不上
大概的流程就是:
1.获取服务的locator
2.设置被调用服务的地址
3.获取stub
4.通过stub调用
-
等级
本版专家分：0
-
非常不错！谢谢！
-
等级
本版专家分：0
-
还不是很理解
- 最全最新的的Java核心知识点整理！！！ 【推荐】
目录 目录 …1 JVM … 19 2.1. 线程 … 20 2.2. JVM 内存区域 … 21 2.2.1. 程序计数器(线程私有) … 22 2.2.2. 虚拟机栈(线程私有) … 22 2.2.3. 本地方法区(线程私有) … 23 2.2.4. 堆(Heap-线程共享)-运行时...
- Socket连接代码示例、WebService 小demo示例
最近面试遇到的问题 1：开闭原则 开放对原来代码的扩展，封闭对原来代码的修改2：http协议 A : URL是http（超文本传输协议）是基于请求与响应模式的、无状态的、应用层协议。长基于TCP的连接方式 B : HTTP请求，...
- Axis Web Service开发之旅 （十） --异步调用WebService
... 调用Web Service方法有两种方式，同步调用和异步调用。同步调用是程序继续执行前等候调用的完成，而异步调用在后台继续时，程序也继续执行，不必等待...在前面几篇文章中都是使用同步方式来调用WebService。...
- 一些JAVA面试的常见问题汇总
本篇用于总结在面试中常见的java问题： 目录 Java中equals和等号(==)的区别？ int和Integer的区别？ JAVA的包装类、拆箱和装箱？ 包装类的应用 自动拆箱和装箱 什么是HashCode？ 1、hash和hash表是什么 2、...
- BAT 大厂Java 面试题集锦之核心篇附参考答案
核心篇数据结构与算法网路:TCP/IP,HTTP操作系统, 文件, shell, CPU, IO, epoll, 非阻塞IO,进程/线程/协程,锁HashMap, Co...
- 2019java后端面试看这篇就够了(二)
Java面试最值得收藏的文章(共4部分): 2019java后端面试集合篇最值得收藏的(一) 2019java后端面试集合篇最值得收藏的(二) 2019java后端面试集合篇最值得收藏的(三) 2019java后端面试集合篇最值得收藏的(四) ...
- Java面试宝典Beta5.0
pdf下载地址：Java面试宝典 第一章内容介绍 20 第二章JavaSE基础 21 一、Java面向对象 21 1. 面向对象都有哪些特性以及你对这些特性的理解 21 2. 访问权限修饰符public、private、protected, 以及不写（默认）...
- 一些重要的面试题！
本文对Java中常见的单例模式写法做了一个总结，如有错漏之处，恳请读者指正。饿汉法顾名思义，饿汉法就是在第一次引用该类的时候就创建对象实例，而不管实际是否需要创建。代码如下：1234567public class Singleton ...
- Java中级开发工程师知识点归纳
2015.03.11--------添加了Java IO机制中的种类和应用场景的解释，添加了Java内存模型的相关知识点 2015.03.13--------文章按技术划分，增加J2EE规范的解释 2015.04.25--------增加对LRU缓存设计的描述 2015.04.26...
- Java 最全面的面试题675道
2019年Java面试675道题 目录 java基础、语法 30 001_Java跨平台原理（字节码文件、虚拟机） 30 002_Java的安全性 31 003_Java三大版本 32 004_什么是JVM？什么是JDK？ 什么是JRE？ 32 005_Java三种注释类型 ...
- 牛客java面经学习记录
java面经学习记录。 要是能全部复述出来就稳了。
- 远程调用技术代码追踪之(RemObjects) 末完待续
最近阅读了SocketConn的源码和WebService 的源码，把追踪的过程写了下来，方便大家学习。毕竟这需要精力，时间和毅力。感谢煮茶待英雄博志区和三层数据库讨论区兄弟们的支持，特别是julian兄弟，不是他，我可能没...
- java理论
目录 目录…1 JVM…19 2.1. 线程 …20 2.2. JVM 内存区域 …21 2.2.1. 程序计数器(线程私有)…22 2.2.2. 虚拟机栈(线程私有)…22 2.2.3. 本地方法区(线程私有)…23 2.2.4. 堆（Heap-线程共享）-运行时数据区 …23 ...
- java攻城狮所需养料
（一）Java1.接口和抽象类的区别①抽象类里可以有构造方法，而接口内不能有构造方法。②抽象类中可以有普通成员变量，而接口中不能有普通成员变量。③抽象类中可以包含非抽象的普通方法，而接口中所有的方法必须是...
- Java基础面试汇总
概述 ★★★★★"=="和equals方法有什么区别？ == 它的作用是判断两个对象的地址是不是相等。即，判断两个对象是不是同一个对象。(基本数据类型比较的是值，引用数据类型比较的是内存地址) equals() : 它的作用也是...
- java中级开发工程师知识
一、版本更新说明： 2015.03.09--------...2015.03.11--------添加了Java IO机制中的种类和应用场景的解释，添加了Java内存模型的相关知识点 2015.03.13--------文章按技术划分，增加J2EE规范的解释 2015.04.2...
- Java线程知识深入解析
Java线程知识深入解析一般来说,我们把正在计算机中执行的程序叫做"进程"(Process) ,而不将其称为程序(Program)。所谓"线程"(Thread),是"进程"中某个单一顺序的控制流。新兴的操作系统,如Mac,Windows NT,Windows ...
- 中等级java
（一）Java 1.接口和抽象类的区别 ①抽象类里可以有构造方法，而接口内不能有构造方法。 ②抽象类中可以有普通成员变量，而接口中不能有普通成员变量。 ③抽象类中可以包含非抽象的普通方法，而接口中所有的方法...
- java 知识点总结(转)
（一）Java 1.接口和抽象类的区别 ①抽象类里可以有构造方法，而接口内不能有构造方法。 ②抽象类中可以有普通成员变量，而接口中不能有普通成员变量。 ③抽象类中可以包含非抽象的普通方法，而接口中所有的方法...
- Java 运行时监控，第 3 部分: 监控应用程序生态系统的性能与可用性
本文为 Java™ 应用程序运行时监控 系列 的第三部分，也是最后一部分，主要介绍在监视应用程序支持和依赖服务的性能和可用性时应使用哪些策略与技巧。所谓支持和依赖服务包括底层主机操作系统、运行数据库以及通信...
- 远程调用技术代码追踪(Remobjects第三方控件)
远程调用技术内幕在前面我已经分析了socket和webservice的代码追踪。现在总结一下：三层架构的运作模型：1. BizSnap与.NET Remoting 的Server端运作模式 当Client 将Request 送达Server端后，会经过一个Message ...
- OpenGL
课程涵盖了OpenGL开发的方方面面,对开发中经常用到的开发知识点进行讲解,从实战的角度进行编码设计. 第1章-环境建立 第2章-基础图元 第3章-三维世界 第4章-纹理多彩世界 第5章-显存的分配-优化 第6章-场景控制 第7章-光照-真实世界 第8章-模型 第9章-UI制作 第10章-场景编辑器制作 第11章-地形 第12章-脚本引入-lua 教程从最最本的固定管线开始,一节课一个知识点,从实战的角度出发,结合项目开发中经常用到的知识点作深入的讲解,以面向对象的编成方式对知识点进行封装,可以直接引入到项目中使用.通过课程的学习,掌握OpenGL图形编程技巧,并能学以致用.
- Notepad++ 7.9.1
notepad++是一个免费的、开放源码的文本和源代码编辑器。notepad++是用c++编程语言编写的，它以减少不必要的功能和简化过程而自豪，从而创建了一个轻便高效的文本记事本程序。实际上，这意味着高速和易访问的、用户友好的界面。 notepad++已经存在了将近20年，没有任何迹象表明它的受欢迎程度会下降。记事本绝对证明了你不需要投资在昂贵的软件来编写代码从舒适的自己的家。自己尝试一下，你就会明白为什么Notepad能坚持这么久。
- 微信dat文件解析工具.zip
使用java编写的，可以将电脑端微信的dat加密文件转换为png、jpg等图片资源，方便直接查看微信聊天记录文件。
- Hibernate4视频教程_全面来袭
本Java视频教程基于 Hibernate4.x 录制。内容涵盖安装 Hibernatetools 插件、Session 核心方法、持久化对象生命周期、对象关系映射（1-n、1-1、n-n、继承映射）、检索策略、检索方式（对象导航图、OID 检索、HQL、QBC、本地SQL）、Hibernate 一\二级缓存、管理 Session、批量处理等 Hibernate 企业级开发的核心技术。 本Java视频教程将帮助掌握学习者编写出具有合理的软件架构，以及好的运行性能和并发性能的实用 Hibernate 应用。Java视频教程内容注重理论与实践相结合，列举大量具典型性和实用价值的 Hibernate应用实例，并提供详细的开发和部署步骤。
- 垃圾分类数据集及代码
资源说明： 数据集主要包括6类图片：硬纸板、纸、塑料瓶、玻璃瓶、铜制品、不可回收垃圾 代码运行说明： 1、 安装运行项目所需的python模块，包括tensorflow | numpy | keras | cv2 2、 train.py用于训练垃圾分类模型，由于训练的数据量过于庞大，因此不一并上传 3、 predict.py用于预测垃圾的类别，首先运行predict.py，然后输入需要预测的文件路径，即可得到结果。
- 简历模板大全
个人简历大全，满足各行业需求，可以根据自己实际情况任意进行修改。
- Visio_2016
visio_2016下载安装，亲测可用，不需要破解，而且无秘钥。简单方便实用
- 个人简历模板
优质简历模板，目前最前全的模板收藏，需要换工作的小伙伴们可以试试
- matlab神经网络30个案例分析
【目录】- MATLAB神经网络30个案例分析(开发实例系列图书) 第1章 BP神经网络的数据分类——语音特征信号分类1 本案例选取了民歌、古筝、摇滚和流行四类不同音乐，用BP神经网络实现对这四类音乐的有效分类。 第2章 BP神经网络的非线性系统建模——非线性函数拟合11 本章拟合的非线性函数为y=x21+x22。 第3章 遗传算法优化BP神经网络——非线性函数拟合21 根据遗传算法和BP神经网络理论，在MATLAB软件中编程实现基于遗传算法优化的BP神经网络非线性系统拟合算法。 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优36 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值。这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模45 BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。 第6章 PID神经元网络解耦控制算法——多变量系统控制54 根据PID神经元网络控制器原理，在MATLAB中编程实现PID神经元网络控制多变量耦合系统。 第7章 RBF网络的回归——非线性函数回归的实现65 本例用RBF网络拟合未知函数，预先设定一个非线性函数，如式y=20+x21-10cos（2πx1）+x22-10cos（2πx2）所示，假定函数解析式不清楚的情况下，随机产生x1,x2和由这两个变量按上式得出的y。将x1,x2作为RBF网络的输入数据，将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 第8章 GRNN的数据预测——基于广义回归神经网络的货运量预测73 根据货运量影响因素的分析，分别取国内生产总值（GDP），工业总产值，铁路运输线路长度，复线里程比重，公路运输线路长度，等级公路比重，铁路货车数量和民用载货汽车数量8项指标因素作为网络输入，以货运总量，铁路货运量和公路货运量3项指标因素作为网络输出，构建GRNN，由于训练数据较少，采取交叉验证方法训练GRNN神经网络，并用循环找出最佳的SPREAD。 第9章 离散Hopfield神经网络的联想记忆——数字识别81 根据Hopfield神经网络相关知识，设计一个具有联想记忆功能的离散型Hopfield神经网络。要求该网络可以正确地识别0~9这10个数字，当数字被一定的噪声干扰后，仍具有较好的识别效果。 第10章 离散Hopfield神经网络的分类——高校科研能力评价90 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。 第11章 连续Hopfield神经网络的优化——旅行商问题优化计算100 现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。 第12章 SVM的数据分类预测——意大利葡萄酒种类识别112 将这178个样本的50%做为训练集,另50%做为测试集,用训练集对SVM进行训练可以得到分类模型,再用得到的模型对测试集进行类别标签预测。 第13章 SVM的参数优化——如何更好的提升分类器的性能122 本章要解决的问题就是仅仅利用训练集找到分类的最佳参数，不但能够高准确率的预测训练集而且要合理的预测测试集，使得测试集的分类准确率也维持在一个较高水平，即使得得到的SVM分类器的学习能力和推广能力保持一个平衡，避免过学习和欠学习状况发生。 第14章 SVM的回归预测分析——上证指数开盘指数预测133 对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析。 第15章 SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测141 在这个案例里面我们将利用SVM对进行模糊信息粒化后的上证每日的开盘指数进行变化趋势和变化空间的预测。 若您对此书内容有任何疑问，可以凭在线交流卡登录中文论坛与作者交流。 第16章 自组织竞争网络在模式分类中的应用——患者癌症发病预测153 本案例中给出了一个含有60个个体基因表达水平的样本。每个样本中测量了114个基因特征，其中前20个样本是癌症病人的基因表达水平的样本(其中还可能有子类), 中间的20个样本是正常人的基因表达信息样本, 余下的20个样本是待检测的样本(未知它们是否正常)。以下将设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是正常样本。 第17章SOM神经网络的数据分类——柴油机故障诊断159 本案例中给出了一个含有8个故障样本的数据集。每个故障样本中有8个特征，分别是前面提及过的：最大压力(P1)、次最大压力(P2)、波形幅度(P3)、上升沿宽度(P4)、波形宽度(P5)、最大余波的宽度(P6)、波形的面积(P7)、起喷压力(P8)，使用SOM网络进行故障诊断。 第18章Elman神经网络的数据预测——电力负荷预测模型研究170 根据负荷的历史数据，选定反馈神经网络的输入、输出节点，来反映电力系统负荷运行的内在规律，从而达到预测未来时段负荷的目的。 第19章 概率神经网络的分类预测——基于PNN的变压器故障诊断176 本案例在对油中溶解气体分析法进行深入分析后，以改良三比值法为基础，建立基于概率神经网络的故障诊断模型。 第20章 神经网络变量筛选——基于BP的神经网络变量筛选183 本例将结合BP神经网络应用平均影响值（MIV，Mean Impact Value）方法来说明如何使用神经网络来筛选变量，找到对结果有较大影响的输入项，继而实现使用神经网络进行变量筛选。 第21章 LVQ神经网络的分类——乳腺肿瘤诊断188 威斯康星大学医学院经过多年的收集和整理，建立了一个乳腺肿瘤病灶组织的细胞核显微图像数据库。数据库中包含了细胞核图像的10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度），这些特征与肿瘤的性质有密切的关系。因此，需要建立一个确定的模型来描述数据库中各个量化特征与肿瘤性质的关系，从而可以根据细胞核显微图像的量化特征诊断乳腺肿瘤是良性还是恶性。 第22章 LVQ神经网络的预测——人脸朝向识别198 现采集到一组人脸朝向不同角度时的图像，图像来自不同的10个人，每人5幅图像，人脸的朝向分别为：左方、左前方、前方、右前方和右方。试创建一个LVQ神经网络，对任意给出的人脸图像进行朝向预测和识别。 第23章 小波神经网络的时间序列预测——短时交通流量预测208 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测。 第24章 模糊神经网络的预测算法——嘉陵江水质评价218 根据模糊神经网络原理，在MATLAB中编程实现基于模糊神经网络的水质评价算法。 第25章 广义神经网络的聚类算法——网络入侵聚类229 模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类。本案例采用结合模糊聚类和广义神经网络回归的聚类算法对入侵数据进行分类。 第26章 粒子群优化算法的寻优算法——非线性函数极值寻优236 根据PSO算法原理，在MATLAB中编程实现基于PSO算法的函数极值寻优算法。 第27章 遗传算法优化计算——建模自变量降维243 在第21章中，建立模型时选用的每个样本（即病例）数据包括10个量化特征（细胞核半径、质地、周长、面积、光滑性、紧密度、凹陷度、凹陷点数、对称度、断裂度）的平均值、10个量化特征的标准差和10个量化特征的最坏值（各特征的3个最大数据的平均值）共30个数据。明显，这30个输入自变量相互之间存在一定的关系，并非相互独立的，因此，为了缩短建模时间、提高建模精度，有必要将30个输入自变量中起主要影响因素的自变量筛选出来参与最终的建模。 第28章 基于灰色神经网络的预测算法研究——订单需求预测258 根据灰色神经网络原理，在MATLAB中编程实现基于灰色神经网络的订单需求预测。 第29章 基于Kohonen网络的聚类算法——网络入侵聚类268 根据Kohonen网络原理，在MATLAB软件中编程实现基于Kohonen网络的网络入侵分类算法。 第30章 神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类277 为了便于使用MATLAB编程的新用户，快速地利用神经网络解决实际问题，MATLAB提供了一个基于神经网络工具箱的图形用户界面。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，MATLAB R2009a提供了三种神经网络拟合工具箱（拟合工具箱/模式识别工具箱/聚类工具箱）。