ssh 关于 multiple 多选的问题

shunlirong 2011-07-23 05:04:37

想请问一下，以前做asp的时候

如果 Ustname 在html页面为多选

那么只要request("Ustname")
就可以得到 Ustname="a,b,c,d,e,f"

但是java ssh开发的时候，为什么
request.getParameter("ustname"); 或是 usererasForm.getUstname();

都只能得到 Ustname="a";只能得到第一个选值，要如何解决问题～～～～～～

谢谢,在线等待！！！！

...全文

105 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

HeiBoyYang 2011-07-23

打赏
举报

回复

1.获取多个值的时候：request.getParameterValues()
2.获取单个值的时候：request.getParameter()
或者把多个值放入集合中
然后通过键值的方式取值
遍历

毛豆先生Max 2011-07-23

打赏
举报

回复

request.getParameterValues()
struts1不清楚，2的话会自动把多个值用“,”隔开

本设计实现了一种基于AG32VF303可编程逻辑器件与ESP8266无线通信模块的智能输液监控系统。该系统提供了完整的源代码、设计文档及印制电路板布局文件，适用于学术研究、教学实践或工程开发等应用场景。经过充分验证的程序代码具备较高的可靠性，可供后续扩展与二次开发参考。系统硬件架构以AG32VF303为核心处理器，配合ESP8266模块构建无线通信链路。操作界面支持物理按键与移动终端远程控制两种交互模式，用户可根据实际需求灵活选择控制方式。主要功能模块包括：输液流速精确调节单元、药液温度恒温管理单元以及储液容器液位监测预警单元。工程文件中已包含完整的电路板设计资料，可直接用于生产制造。该设计方案充分考虑了临床输液过程的实际需求，通过集成化的控制策略实现了输液参数的智能化管理。资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！

内容概要：本文提出了一种针对自主多无人机系统的通信模式选择概率模型，该模型能够基于动态环境中实时采集的数据进行智能决策，有效提升多无人机在协同作业中的协作效率与任务执行成功率。研究结合了不确定性因素的影响，采用Matlab实现算法仿真，构建了适应复杂环境变化的通信机制，重点解决了多无人机系统在动态环境下通信稳定性与可靠性的问题，具有较强的实用性和工程应用价值。; 适合人群：具备一定控制理论、通信系统或无人机相关背景，熟悉Matlab/Simulink仿真的科研人员及研究生；适用于从事多智能体系统、无线通信优化或协同控制方向的研究者。; 使用场景及目标：①应用于多无人机协同任务中的通信【自主多无人机系统通信模式选择的概率模型】基于动态环境中的实时数据做出决策，从而提高多无人机协同作业中的协作效果与任务成功率（Matlab代码实现）资源动态分配与模式切换；②为应对动态环境干扰下的通信中断问题提供决策支持；③提升复杂场景下无人机集群的任务完成率与系统鲁棒性；阅读建议：建议结合Matlab代码深入理解模型实现细节，重点关注概率决策机制与实时数据处理流程，可进一步扩展至其他多智能体系统通信优化场景进行二次开发与验证。

内容概要：本文主要围绕UWB-IMU与UWB定位技术的对比研究展开，基于Matlab代码实现，结合状态估计算法（如UKF、AUKF等）对两种定位方式的性能进行分析与比较。研究重点在于通过数据融合提升定位精度与稳定性，尤其适用于复杂环境下的高精度定位需求。文中提供了完整的仿真代码和实现方法，便于读者复现与扩展应用。此外，文档还列举了大量相关科研方向和技术服务内容，涵盖机器学习、信号处理、路径规划、电力系统等多个领域，展示了广泛的技术支持能力。; 适合人群：具备一定Matlab编程基础，从事定位技术、状态估计、传感器融合或相关科研UWB-IMU、UWB定位对比研究（Matlab代码实现）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用于高精度室内定位系统的设计与优化；②开展UWB与IMU融合定位算法的研究与验证；③学习和掌握卡尔曼滤波（如UKF、EKF）在实际定位问题中的应用；④为科研项目提供算法仿真支持和技术参考。; 阅读建议：建议读者结合提供的Matlab代码逐模块分析，重点关注数据融合策略与状态估计实现过程，同时可参考文中提及的相关技术方向拓展研究思路。注意区分纯UWB与UWB-IMU融合方案的性能差异，深入理解IMU在补偿UWB信号缺失方面的关键作用。

基于Flask框架构建的弹幕微电影在线播放与互动平台_集成用户注册登录电影分类展示收藏评论弹幕实时发送与显示会员特权后台管理权限控制电影数据爬取与入库个人中心电影.zip

内容概要：本文档围绕六自由度机械臂的ANN人工神经网络设计展开，涵盖正向与逆向运动学求解、正向动力学控制，并采用拉格朗日-欧拉法推导逆向动力学方程，所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术，提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用，如状态估计中的UKF、AUKF、EKF等滤波方法，以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解，展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群：具备一定Ma六自由度机械臂ANN人工神经网络设计：正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础，从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生；熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标：①实现六自由度机械臂的精确运动学与动力学建模；②利用人工神经网络解决传统解析方法难以处理的非线性控制问题；③结合路径规划与轨迹优化提升机械臂作业效率；④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法；阅读建议：建议结合提供的Matlab代码进行实践操作，重点理解运动学建模与神经网络控制的设计流程，关注算法实现细节与仿真结果分析，同时参考文中提及的多种优化与估计方法拓展研究思路。

81,115

社区成员

341,731

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