怎么把for循环里面获取到的数据,用一个方法封装起来,存放到itemSet里面

jsaiihea jsaiihea 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区

public ActionForward saveItemContents(ActionMapping mapping, ActionForm form,
HttpServletRequest request, HttpServletResponse response) throws JSONException{
JSONObject json = new JSONObject();
json.put("result", true);
try {
Long contractorId = RequestUtils.getLongParameter(request, "contractorId", -1L);
System.out.println("id===========>>>"+contractorId);
String itemContents = RequestUtils.getStringParameter(request, "itemContents", "");
JSONArray array = new JSONArray(itemContents);
Set<ContractorItem> itemSet = new HashSet<ContractorItem>();

for (int i = 0; i < array.length(); i++) {

JSONObject obj = array.getJSONObject(i);
String id = obj.get("id").toString();
String supplierNameFull = obj.get("supplierNameFull").toString();
String companyProperty = obj.get("companyProperty").toString();
String procurementType = obj.get("procurementType").toString();
String wareHousingReason = obj.get("wareHousingReason").toString();

}
} catch (Exception e) {
// TODO 自动生成的 catch 块
e.printStackTrace();
json.put("result", false);
}
return this.renderJson(response, json.toString());

}
...全文

相关推荐

手把手教你用OpenCV遍历像素:3种方法效率对比(for循环/数组操作/迭代器)含完整代码

(心理学公式:Gray = 0.299R + 0.587G + 0.114B),对比三种方法的性能差异。

智算菩萨

Matlab实现Apriori关联规则挖掘:从频繁项集到置信度规则生成

关联规则挖掘是数据挖掘中的经典任务,旨在从海量事务数据中识别项集间的强关联模式。Apriori算法作为最基础的频繁项集挖掘方法,通过逐层迭代、连接与剪枝生成候选集,并借助支持度与置信度两个核心指标筛选可靠的规则。该方法不仅适用于购物篮分析,还可扩展至行业选股、用户行为分析等工程场景。在Matlab环境中,基于cell数组封装apriori、apriori_gen、get_k_itemset等核心函数,可完整复现从数据预处理、频繁项集生成到关联规则输出的全流程。本文结合示例数据与可运行脚本,讲解Matlab实

Jon Sco

关联规则挖掘实战:从购物篮分析到业务决策落地

关联规则挖掘是一种面向事务数据的共现分析技术,核心在于识别‘如果A发生,则B大概率伴随出现’的确定性模式。其原理区别于传统相关性分析,不依赖全局统计趋势,而是基于单笔交易内的商品组合频次,通过支持度、置信度与提升度三重指标量化业务可信度。该技术具备强可解释性与低实施门槛,广泛应用于零售货架优化、电商实时推荐、金融反欺诈等场景。尤其适合中小规模结构化事务数据(如订单、日志、购物篮),无需标注样本或复杂特征工程。本文聚焦Apriori与FP-Growth等主流算法的选型逻辑、清洗要点、阈值设定及生产API封装,

dyllove90

Delphi版传奇2服务端源码包,含全套配置文件与DFM界面设计资源

这套Delphi编写的传奇2(Mir2)服务端源码,完整包含M2Server主服务、登录网关(LoginGate/ LoginSrv)、数据库服务(DBServer)、选服模块(SelGate)、日志服务(LogDataServer)等核心组件的配置文件,如M2Server.cfg、mir2.cfg、LoginGate.cfg、DBServer.cfg、SelGate.cfg等。同时提供多个关键DFM窗体文件:GMain.dfm(主界面)、ItemSet.dfm(物品配置)、FState.dfm(角色状态管

c8d9e0f1

遗传算法实战调参:选择压力、交叉变异动态调控与早熟防治

遗传算法(GA)作为经典启发式优化方法,其实际效能远不止于理论框架,而高度依赖对选择压力、交叉算子、变异策略等核心机制的工程化调控。理解种群多样性演化规律与收敛性本质,是避免早熟、提升解质量的关键;掌握自适应交叉率与约束感知变异,可显著增强算法在多目标、强约束工业场景中的鲁棒性。本文聚焦真实项目中高频失效问题——如种群退化、结果震荡、局部最优锁定等,系统解析选择压力调控、动态变异率设计、锦标赛规模调整、稳态替换策略等五大实操参数,并提供可复用的监控图谱与智能终止协议,助力工程师从‘能跑’迈向‘跑得稳、准、快

weixin_30335353
评论
收藏 已收藏
分享
返回顶部
jsaiihea
Web 开发 81,108 成员 341,721 内容