srping boot 前端thymeleaf测试,发现参数传递更简洁。

本文介绍如何使用Thymeleaf实现Java项目的前后端分离,重点讲解了GET请求及表单提交处理流程,展示了具体的代码示例和前端界面元素绑定方法。

1:目录结构:

要注意,template目录和static目录要放在resource目录下,


2:后端代码

2.1:get方法处理的是第一次URL地址请求:

//调用ThymeLeaf模板文件,调用bootstrap  get方法
@RequestMapping(value="/payin", method=RequestMethod.GET)
public String sayHelloForm(Model model) {
    model.addAttribute("paymentInfo", new PaymentInfo());
    return "payin";
}

//表单提交,进行处理,并返回结果页面
@RequestMapping(value="/dopayin", method=RequestMethod.POST)
public String sayHello(@ModelAttribute PaymentInfo paymentInfo, Model model) throws Exception {
    String re=ccBpayin.payin(paymentInfo);
    model.addAttribute("paymentInfo", paymentInfo);
    model.addAttribute("re",re);
    return "payinresult";
}




GET请求,比如录入路径:http://localhost:8068/payin.html;得到相应页面


特别注意前端界面payin.html下的元素绑定:


<form action="#" th:action="@{/dopayin}" th:object="${paymentInfo}" method="post">
    <div class="form-group">
        <label for="operator">操作人</label>
        <input type="text" class="form-control" id="operator" placeholder="操作人" th:value="yangmin" th:field="*{operator}" />

        <label for="payAccountNo">付款账号</label>
        <input type="text" class="form-control" id="payAccountNo" placeholder="付款账号" th:field="*{payAccountNo}" />



支付按钮点击,提交表单后:

后端处理的是dopayin方法

dopain方法调用的payresult模板:

<body>
   <h1>Pay Resualt:</h1>
    <p th:text="'result is:' + ${re}" />
    <p th:text="'operator:' + ${paymentInfo.operator}" />
    <p th:text="'payAccountNo:' +${paymentInfo.payAccountNo}" />



总体来说,JAVA通过Thymeleaf实现了前后端分离,并在模板层有较好的交互


内容概要:本文介绍了一种基于多目标粒子群算法(MOPSO)的微电网优化调度模型,综合考虑风能、光伏、储能系统、柴油发电机、燃气轮机以及与主电网之间的能量交互等多种分布式能源的协同运行。通过构建以运行成本最小化、碳排放最低化和系统可靠性最优化为目标的多目标优化模型,利用Matlab平台实现MOPSO算法求解,完成对微电网在不同运行场景下的能量管理与调度方案优化。该模型能够有效平衡经济性与环保性之间的关系,适用于含多类型分布式电源的复杂微电网系统,具有较强的工程应用价值和科研参考意义; 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、科研人员及工程技术人员,尤其适合从事微电网、智能电网、综合能源系统、可再生能源集成与优化调度等领域研究的专业人士; 使用场景及目标:①用于多能源耦合微电网系统的协同优化调度研究;②支持多目标智能优化算法在能源系统中的建模与求解实践,帮助用户掌握MOPSO在实际工程问题中的应用方法;③为学术论文复现、毕业设计、科研项目开发提供完整的代码实例与技术支撑; 阅读建议:建议读者结合Matlab代码与理论文档,深入理解目标函数构建、约束条件处理及Pareto最优解集生成机制,重点关注算法参数设置、多目标权衡分析与结果可视化,并可通过调整能源配置或引入新约束进行二次开发与创新研究。
内容概要:本文系统研究了基于模型预测控制(MPC)的滚动优化方法在微电网多时间尺度能量管理调度中的应用。通过构建包含风能、光伏、储能等多种分布式能源的微电网综合系统模型,充分利用MPC的前瞻性预测与滚动优化机制,实现对系统内部能量流的精细化、动态化调控。研究重点解决了新能源出力强不确定性带来的调度挑战,兼顾系统运行的经济性、稳定性与可靠性,在日前、日内及实时等多个时间尺度上实现了优化决策的协同。文中配套提供了完整的Python代码实现,涵盖模型构建、约束处理、目标函数设定与求解全过程,具有较强的可复现性与工程参考价值。; 适合人群:具备一定电力系统、优化理论基础和Python编程能力的研究生、科研人员及从事微电网、综合能源系统、能源互联网等领域研究的工程技术人员。; 使用场景及目标:①深入理解MPC在复杂能源系统调度中的核心原理与技术优势;②学习并复现多时间尺度滚动优化的完整建模与求解流程;③为微电网能量管理系统(EMS)的开发、相关学术研究或工程项目提供直接的算法实现参考与技术支撑; 阅读建议:建议读者结合所提供的Python代码进行逐行研读与调试,亲自动手修改系统参数、负荷曲线或新能源出力数据,以深刻体会MPC算法的动态响应特性与优化效果,进而在此基础上开展二次开发与创新性研究。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

紫气东来_999

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值