《流处理》专题

1.【强制】 关于 hashCode 和 equals 的处理，遵循如下规则: 1) 只要重写equals，就必须重写hashCode。 2) 因为Set存储的是不重复的对象，依据hashCode和equals进行判断，所以Set存储的 对象必须重写这两个方法。 3) 如果自定义对象做为Map的键，那么必须重写hashCode和equals。 说明: String 重写了 hashCode 和 e

1.【强制】 异常不要用来做流程控制，条件控制，因为异常的处理效率比条件分支低。 2.【强制】 对大段代码进行 try - catch ，这是不负责任的表现。 catch 时请分清稳定代码和非稳定代码，稳定代码指的是无论如何不会出错的代码。对于非稳定代码的 catch 尽可能进行区分异常类型，再做对应的异常处理。 3.【强制】 捕获异常是为了处理它，不要捕获了却什么都不处理而抛弃之，如果不想处理它

异常是个很宽泛的概念，如果程序没有按预想的执行，都可以说是异常了。遇到一些特殊情况没处理会引发异常，比如读文件的时候文件不存在，网络连接超时。程序本身的错误也可以算作异常，比如把字符串当整数来处理，拼写错误。 不论是系统还是框架，都会对基本异常进行分类，比如IO异常，内存溢出等等。很多时候，针对特有的业务，我们也可以自定异常。 下面我们先看一个引发异常的例子： Print 'hello' 这个例子

8.3.2 事件处理 GUI 应用程序的核心是对各种交互事件的处理程序。应用程序一般在完成建立图形界面 等初始化工作后都会进入一个事件循环，等待事件发生并触发相应的事件处理程序。Tkinter 程序通过 mainloop 方法进入事件循环，而事件与相应事件处理程序之间是通过绑定建立关联 的。 最常见的绑定形式是针对构件实例的： <构件实例>.bind(<事件描述符>,<事件处理程序>) 其语义是

3.3 异常处理 一个程序即使没有任何语法错误，即使解题的逻辑也正确，在执行的时候仍然可能出现 各种“运行时错误”，导致程序无法按照预定的步骤顺利执行、正常结束。其后果是要么由系 统强行中止程序的运行，要么程序带着错误继续运行而得出错误的结果。这类运行时错误称 为异常或例外（exception）。产生异常的原因是复杂而多样的，既有程序设计的问题，也有运 行环境的问题，如除数为零、用户输入数据的类型

虽然HTML5的画布API没有提供直接在画布上绘制视频的方法，但是我们一定可以处理视频，其方法是从隐藏的video标签中捕获视频的帧，再使用循环把它们拷贝到画布上。 图3-5 处理视频 准备工作 开始之前，让我们谈一谈每个浏览器所支持的HTML5视频格式。在本书写作之时，关于视频格式的战争还在如火如荼的进行着，所有的主流浏览器，如Chome, Firefox, Opera, Safari, and

几乎所有的应用，都需要某种类型的文本，来跟用户进行有效沟通。本节将通过一个乐观的问候，向你展示如何绘制简单文本。 图1-11 绘制文本 绘制步骤 按照以下步骤在画布上绘制文本： 1. 定义2D画布上下文，并设置文本属性： window.onload  = function(){ var canvas  = document.getElementById("myCanvas"); var

17.8. 异常处理 和Web MVC一样，Portlet MVC提供了 HandlerExceptionResolver来减轻处理 请求处理产生的意外异常时的痛苦。Portlet MVC同样也提供了具体的 SimpleMappingExceptionResolver，可以将可能抛出的 异常对应到一个视图名。

14.10. 处理异常 当控制器处理请求时，可能会有意想不到的异常产生。为了方便地处理这些异常，Spring提供了HandlerExceptionResolver这个异常解析器接口。HandlerExceptionResolvers 有点像你在web.xml中所声明的异常映射(exception mapping)，但是它处理异常的方式更加灵活。它可以提供当异常产生时控制器的运行状态。同时，在程序中

句子分割text_to_word_sequence keras.preprocessing.text.text_to_word_sequence(text, filters='!"#$%&()*+,-./:;<=>?@[\]^_`{|}~\t\n',

填充序列pad_sequences keras.preprocessing.sequence.pad_sequences(sequences, maxlen=None, dtype='int32', padding='pre', truncating='pre', value=0.) 将长为nb_samples的序列（标量序列）转化为形如(nb_samples,nb_timesteps)

图片生成器ImageDataGenerator keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, samplewise_std_normalization=Fa

句子分割text_to_word_sequence keras.preprocessing.text.text_to_word_sequence(text, filters=base_filter(), lower=True, split=" ") 本函数将一个句子拆分成单词构成的列表 参数 text：字符串，待处理的文本 filters：需要滤除的字符的列表或连接形成的字符串，例如标

填充序列pad_sequences keras.preprocessing.sequence.pad_sequences(sequences, maxlen=None, dtype='int32'，padding='pre', truncating='pre', value=0) 将长为nb_samples的序列（标量序列）转化为形如(nb_samples,nb_timesteps)2D num

图片生成器ImageDataGenerator keras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, samplewise_std_normalization=Fa