存储以后 server.transfer 原来的界面,然后点一下"刷新",结果又存储一遍,这是怎么回事?

MarkIII 2003-10-15 04:13:34
存储以后 server.transfer 回原来的界面,然后点一下"刷新",结果又存储一遍,这是怎么回事,怎样避免呢?如果用 response.redirect ,则不能返回原来的输入界面,也不行.
...全文
65 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
MarkIII 2003-10-15
  • 打赏
  • 举报
回复
按照lhzyn的方法的话,它返回一个提示"网页过期"的界面.是不是因为返回的界面有这样一样一个程序呢?
function popUp(URL) {
day = new Date();
id = day.getTime();
eval("page" + id + " = window.open(URL, '" + id + "', 'toolbar=0,scrollbars=1,location=0,statusbar=1,menubar=1,resizable=1,width=850,height=600,left = 0,top = 0');");
}
lhzyn 2003-10-15
  • 打赏
  • 举报
回复
<script language="javascript">
alert( "您的数据已经存入数据库!" );
location.href = "javascript:history.back()"
</script>
Xiaoxiong511 2003-10-15
  • 打赏
  • 举报
回复
去javascript版区问:用JAVA实现返回上一页就OK了
源码链接: https://pan.quark.cn/s/a4b39357ea24 在电子工程领域中,51单片机被视作一种应用广泛的微控制器,特别是在教学以及小型嵌入式系统方面。本文将详细研究51单片机中串口通信的核心组成部分——定时器2及波特率发生器的应用方法。串口通信是设备间进行数据传输的基本途径,而定时器2和波特率发生器则是完成这一功能的关键硬件配置。现在,让我们首先了解定时器2。在51单片机系列中,包含了多个定时器,比如定时器0、定时器1和定时器2。这些定时器能够在不同的工作模式下运行,例如计数模式、定时模式或者波特率发生器模式。定时器2通常用于产生精确的时间间隔,例如在串口通信中产生特定的时序脉冲,以此来控制数据的发送与接收速度。在51单片机中,定时器2的工作模式可以通过设定特殊功能寄存器T2CON来决定。当定时器2被用作波特率发生器时,它能够通过预分频器对晶振频率进行分频,进而生成所需的波特率。接下来,我们将讨论波特率发生器。波特率指的是单位时间内传输的位数,它是衡量串口通信速率的一个重要指标。在51单片机中,波特率通常是通过调整定时器的溢出率来设定的。在波特率发生器模式下,定时器2可以通过预分频器对晶振频率进行分频,然后根据分频后的频率来确定串口的波特率。具体的计算公式为:波特率 = (系统时钟频率 / (16 + TH2+TL2)) / 2。其中,TH2和TL2是定时器2的高位和低位寄存器,它们的值会影响到最终的波特率。在提供的程序中,开发者可能已经实现了使用定时器2作为波特率发生器的逻辑,并且经过了测试验证。这表明他们可能已经通过设置T2CON寄存器选择了恰当的工作模式,调整了TH2和TL2的值以获得所需的波特率,同时可能还涉及了中断服务程...
机器视觉作为计算机科学中处理视觉信息的关键技术,在自动化与智能系统构建中具有核心地位。开源计算机视觉库OpenCV凭借其全面的功能模块与高效的计算性能,成为实现图像分析、物体识别及特征描述等任务的重要工具。本研究项目“依托OpenCV的目标定位与识别系统”即围绕这一技术体系展开深入探讨。 目标定位与识别是机器视觉系统的核心环节,其任务在于通过算法模型从视觉数据中辨识特定目标并确定其空间坐标。该过程通常涵盖目标探测、类别判定以及运动追踪等多个阶段。OpenCV集成的多种算法库,包括基于Haar特征的级联分类器以及深度学习框架,为构建鲁棒且高效的目标定位系统提供了有力支持。 在目标探测方面,OpenCV兼容传统机器学习与当代深度学习两类方法。传统技术如利用Haar特征实现快速物体检测,而深度学习方法则通过卷积神经网络(CNN)在复杂环境中达成精确识别。为进一步提升探测精度,开发者可调用OpenCV预训练的深度学习模型(例如SSD、YOLO系列),这些模型经过优化能够实现实时处理性能。 特征描述是视觉处理中的基础步骤,旨在从图像中抽取出有助于识别的结构信息,如边缘轮廓、角特征等。OpenCV提供的特征提取算子(如SIFT、SURF、ORB描述符)可快速获取这些特征,为后续的图像匹配、物体辨识及三维视觉分析奠定数据基础。 完整的视觉系统通常还需集成图像分割与目标追踪功能。图像分割旨在将图像划分为具有语义意义的区域,OpenCV支持阈值分割、区域生长等多种分割技术。目标追踪则侧重于在视频序列中持续定位运动物体,其内置的KCF、TLD等追踪算法能够有效实现这一目标。 为提升系统可用性,良好的用户交互界面不可或缺。虽然OpenCV主要专注于算法实现,但通过与界面开发工具(如Qt框架)结合,能够构建直观的操作面板,便于用户对系统进行监控与参数调整。 综上所述,基于OpenCV的目标定位识别项目形成了从图像获取、预处理、特征抽取、目标探测分类、动态追踪到交互展示的完整技术链路。借助该库提供的多样化模块,开发者能够构建出适应不同应用场景的高效、稳定且实时的视觉识别系统。 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!

28,406

社区成员

发帖
与我相关
我的任务
社区描述
ASP即Active Server Pages,是Microsoft公司开发的服务器端脚本环境。
社区管理员
  • ASP
  • 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