js，html与服务器如何进行数据交互

fruitlin 2015-05-08 02:03:32

本人小白一枚，请大神详细点讲解，js向j2ee后台发送请求，这个响应的数据不能正常获取，我是这样弄的，html页面在tomcat服务器上，另外一台电脑上，用浏览器能正常打开这个页面，这个页面有个按钮是用来获取请求数据的，他就是不能正常获取，如果我用浏览器直接打开那个url地址是可以看到数据的，这是为什么呢？我还想问问这一整套交互我是不是用的这种方式就是不可取的，通常情况下你们是怎么做的呢？

...全文

1110 6 打赏收藏转发到动态举报

写回复

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

fruitlin 2015-05-14

打赏
举报

回复

数据我是拿到了，只是这边显示的js代码出了问题....

Javon9276 2015-05-11

打赏
举报

回复

ajax和form表单

chate 2015-05-10

打赏
举报

回复

描述详细一点吧

斯洛文尼亚旅游 2015-05-08

打赏
举报

回复

你的js代码呢，用的ajax还是什么？请求的地址是否跨域什么的，这些都会导致出错

forwardNow 2015-05-08

打赏
举报

回复

有两种方式交互： 1，传统的表单提交 <form action="URL"> 2，Ajax方式

娃都会打酱油了 2015-05-08

打赏
举报

回复

描述太抽象了，完全不知道你是怎么取的，一般可以通过ajax向后台服务请求数据，或者直接就是get或者post到某个页面

内容概要：本文聚焦于【SCI一区复现】基于配电网韧性提升的应急移动电源（MPS）动态调度的Matlab代码实现，旨在通过仿真手段优化灾害或突发事件下配电网的恢复能力。研究在前期MPS预配置的基础上，进一步构建动态调度模型，综合考虑负荷优先级、网络拓扑变化、MPS移动路径与供电时序等因素，实现灾后关键负荷的快速、持续恢复。文中提供了完整的Matlab仿真资源，包含YALMIP等优化工具包，以支持复杂的数学规划问题求解。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及电力行业从业者。; 使用场景及目标：① 复现高水平期刊（SCI一区）关于配电网韧性的研究成果；② 学习和掌握应急移动电源（如移动储能车）在灾后配电网恢复中的优化调度建模与求解方法；③ 利用提供的Matlab代码进行二次开发，研究不同灾害场景下的配电网应急响应策略。; 阅读建议：此资源以复现SCI一区论文为核心，不仅提供代码，更侧重于先进优化思想的应用。学习者应结合配电网、运筹学等相关知识，深入理解模型构建逻辑，并利用所提供的网盘资源进行代码调试与仿真分析，从而掌握解决实际工程问题的高级方法。

内容概要：本文档详细介绍了一种针对梯级水光互补系统的短期优化调度模型，旨在最大化可再生能源的可消纳电量期望值。该模型通过Matlab代码实现，综合考虑了梯级水电站与光伏发电的协同运行特性，充分结合水资源利用效率与光照条件的时空变化规律，以提升清洁能源的整体利用水平。文档不仅阐述了完整的数学建模过程，还引入智能优化算法求解这一复杂非线性调度问题，并提供了详尽的Matlab代码实例，便于研究人员复现和验证。此外，文中提及了该模型在新能源、电力系统优化、智能算法应用等领域的广泛关联性，为相关研究提供了技术支撑与理论参考。; 适合人群：具备一定编程基础，特别是熟练掌握Matlab环境的科研人员；从事新能源系统规划、电力系统调度、自动化控制及相关领域的硕士、博士研究生及工程技术人员。; 使用场景及目标：①为梯级水电与光伏电站的协同优化运行提供理论依据与实用的技术框架；②帮助科研人员快速掌握并应用智能优化算法解决实际工程中的多目标、多约束调度问题；③推动清洁能源的高效利用，减少弃水弃光现象，提升能源系统的经济性与环境效益。; 阅读建议：此资源以Matlab代码为核心载体，融合了理论建模与实践仿真，建议读者在学习过程中不仅要深入理解其背后的优化原理与数学模型，还需动手调试代码，结合不同场景进行实验，从而真正掌握该调度模型的设计思想与实现方法，为后续的科研与工程应用打下坚实基础。

DeepSeek-V4 细粒度专家并行解决方案.pptx

股票AI操盘手：从学习、模拟到实盘，一站式平台。包含股票知识、策略实例、大模型、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易、C++部署和聚宽实例代码等，可以方便学习、模拟及实盘交易

内容概要：本文提出了一种融合鱼鹰优化算法（OOA）与柯西变异策略的改进型麻雀搜索算法（OCSSA），旨在克服传统麻雀优化算法在求解复杂优化问题时易陷入局部最优、收敛速度慢及寻优精度不足等问题。通过引入鱼鹰捕食机制增强算法的全局探索能力，同时结合柯西变异策略提升种群多样性与局部开发能力，从而有效提高算法的整体优化性能。文中系统阐述了算法的数学模型与改进策略的设计原理，并通过多个标准基准测试函数验证了所提算法在收敛性、稳定性和寻优精度方面的优越性，进一步将该算法应用于典型工程优化问题中，充分展示了其在实际场景中的可行性和有效性。; 适合人群：具备一定智能优化算法理论基础，从事人工智能、运筹优化、电力系统、自动化、智能制造等领域的研究生、科研人员及工程技术人员。; 使用场景及目标：① 改进现有群智能优化算法，提升求解高维、非线性、多峰值复杂优化问题的能力；② 应用于电力系统调度、参数辨识、路径规划、机器学习超参数调优、结构设计优化等需要高效优化技术的工程实践；③ 作为学术研究参考，推动新型混合智能优化算法的创新与发展。; 阅读建议：建议读者结合提供的Matlab代码深入理解算法的实现细节与迭代机制，重点关注鱼鹰捕食行为的建模方式与柯西变异的触发条件，通过对比实验分析各改进策略对算法性能的影响，并尝试将其迁移至不同类型的优化问题中进行测试与调参，以全面掌握算法的应用技巧与适应性。

87,991

社区成员

224,684

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