如何把字符串中的"\"替换成"\\"?

T97102003 2006-09-07 12:15:29

...全文

252 13 打赏收藏转发到动态举报

写回复

用AI写文章

13 条回复

切换为时间正序

请发表友善的回复…

发表回复

xiaxinhuo 2006-09-07

打赏
举报

跟着学习下！

qianlei0007 2006-09-07

打赏
举报

有转义的功能。。。

cocogg 2006-09-07

打赏
举报

replaceAll("\\","\\\\");
明白"\"的用法就可以了！

jsfhua 2006-09-07

打赏
举报

String str="\\";
System.out.println(str);
System.out.println(str.replaceAll("\\\\","\\\\\\\\"));
正解

seesea10523 2006-09-07

打赏
举报

str.replaceAll("\\\\","\\\\\\\\"));

lip009 2006-09-07

打赏
举报

String str="\\";
System.out.println(str);
System.out.println(str.replaceAll("\\\\","\\\\\\\\"));

fishyqd 2006-09-07

打赏
举报

replaceAll("\\","\\\\");

sundeveloper 2006-09-07

打赏
举报

replaceAll("\\","\\\\");

lip009 2006-09-07

打赏
举报

str = "c:\abc\efg";
这一句是会报错的...编译通不过的
因为\在JAVA里是转义符号,在这里JAVA把\a当成了一个转义后的字符,但是\a不存在这样的转义字符,所以错了.
而你用str=request.getParameter("path");这句从页面取的值是输出以后是c:\abc\efg这个结果,但是要放到JAVA代码里其实就是str = "c:\\abc\\efg"; 要加上转义了,所以str输出也是c:\abc\efg,和页面输入的是相同的字串.

T97102003 2006-09-07

打赏
举报

//lip009(深蓝忧郁)
//str=request.getParameter("path");
//str=str.replaceAll("\\\\","\\\\\\\\");
//就这样没有问题的...

这样是没报错的，但字符串里还是 "\".

str = "c:\abc\efg"; 用上面的方法替换后还是 str = "c:\abc\efg";

把字符串传给函数，由函数来实现，就可以，真奇怪
public static String formatPath(String path)
{
String str = path.replaceAll("\\\\", "\\\\\\\\");

return str;
}

str = formatPath( str );

str就等于 c:\\abc\\efg

fishyqd 2006-09-07

打赏
举报

replaceAll("\\\\","\\\\\\\\")
开始做错了

lip009 2006-09-07

打赏
举报

str=request.getParameter("path");
str=str.replaceAll("\\\\","\\\\\\\\");
就这样没有问题的...

T97102003 2006-09-07

打赏
举报

String str="\\";
System.out.println(str);
System.out.println(str.replaceAll("\\\\","\\\\\\\\"));

象这样是没问题的。
但我的字符串变量由jsp页传给java类处理，
如传进来的是str = "c:\abc\efg";
则
str.replaceAll("\\","\\\\\\\\")); 会出错

卷积神经网络中全连接层、softmax与softmax loss理解

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你对softmax，softmax loss，cross entropy了解吗？相信很多人不一定清楚。虽然网上的资料很多，但是...

http://freemind.pluskid.org/machine-learning/softmax-vs-softmax-loss-numerical-stability/ 卷积神经网络系列之softmax，softmax loss和cross entropy的讲解我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连...

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对损失函数求梯度是怎么求的真的了解吗？相信很多人不一定清楚。虽然网上的资料很多，但是质量参差不齐，常常看得眼花缭乱。为了让大家少走弯路，特地整理了下这些知识点...