以下两个判断如何实现

glovej 2012-02-27 10:32:56
自己觉得菜得屁股都冒烟了,,,,
1.如何判断一个字符串可以生成json对象
比如var testStr='{"a":"a","b":"b"}';
testStr可以转化为json对象

2.如何判断某个变量是json对象
var test={"a":"a","b":"b"} //为真
var test="abc" //假
关于第二个问题,json对象和普通的object有啥特征区别没
...全文
138 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
glovej 2012-03-17
  • 打赏
  • 举报
回复
似乎没有很好的办法,先这样解决了吧
glovej 2012-03-08
  • 打赏
  • 举报
回复
似乎还不是很完善,用eval的方法,也未必肯定是json对象吧
jusfr 2012-02-27
  • 打赏
  • 举报
回复
try{
eval('('+testStr+')'+);
}
catch(ex){
alert(ex.message);
}
glovej 2012-02-27
  • 打赏
  • 举报
回复
第二个问题明白了,但是第一个问题还是不知道如何弄
freedom_gooboy 2012-02-27
  • 打赏
  • 举报
回复
json对象和普通的object有啥特征区别没

//前面已经说了json对象,json对象本身就是object对象,它跟普通的object没有什么区别,只是一种数据表现形式而已
freedom_gooboy 2012-02-27
  • 打赏
  • 举报
回复


//JSON即JS对象标记(JavaScript Object Notation),是一种以JS声明对象的方式组合的一串字符串。
//JS可以按以下方式定义对象:
var obj ={ id: 2, name: 'n'};
alert(obj.id);
alert(obj.name);
alert(typeof obj);

//这样就定义了对象 obj, 它有两个公共属性id和name,可以用 obj.id 的方式直接访问其属性值。

//从服务器获取数据时往往不止一个对象,这就需要用到对象数组,JS中对象数组可以用 [] 来定义,如下:

var objs = [{ id: 1, name: 'n_1' }, { id: 2, name: 'n_2'}];
alert(objs[0].id);
alert(objs[1].id);


//这样就定义了对象数组 objs, 它包含两个对象,可以用索引来访问,如 objs[0] 将引用到第一个对象。
// 到这里你或许已经想到服务器返回的字符串格式是怎样的,但字符串毕竟是字符串,我们需要将其转换为可以利用JS操作的变量。
//这就用到 eval 函数,请看下例:

var objs3 = eval("[{ id: 1, name: 'n_1' }, { id: 2, name: 'n_2'}]");
alert(objs3[0].id); // eval 函数 可以把js字符串转换为json对象
freedom_gooboy 2012-02-27
  • 打赏
  • 举报
回复


var testStr='{"a":"a","b":"b"}';
var obj = new Function("return"+testStr)();
alert(typeof obj);
alert(obj.b);


参考:http://www.cnblogs.com/aiyuchen/archive/2011/03/21/1990182.html
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

87,990

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧