logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

js实现目录链接,内容跟着目录滚动显示

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head>&...

#前端#xhtml#javascript
maven mvn跳过生成javadoc 打包报错

遇到javadoc用maven打包报错的问题,起初没发现javadoc,后发现并在pom看到了javadoc的配置。[ERROR] Failed to execute goal org.apache.maven.plugins:maven-javadoc-plugin:2.10.3:jar (attach-javadocs) on project qcloud-java-sdk:...

#java#开发工具
[数据结构]二分查找

#思路#二分查找适用于有序的顺序表,基本的思路是:首先将给定的关键字key与表array的中间位置的元素进行比较。如果相等,则查找成功,如果不相等,则查找的元素一定在表的前半部分或者后半部分。继续缩小范围到前半部分或者后半部分再进行同样的查找,直到找到为止,或者查...

#数据结构与算法
从化学到计算机:电子排布三原则如何启发你的数据结构与算法设计

本文探讨了化学中的电子排布三原则(泡利不相容原理、洪特规则和能量最低原理)如何启发数据结构与算法设计。通过跨学科思维,文章展示了这些原理在并发编程、哈希冲突解决和算法优化中的实际应用,为计算机科学问题提供了创新解决方案。

#数据结构
org.yaml.snakeyaml.scanner.ScannerException: 解析YAML时遭遇非法字符‘@‘的排查与修复

本文详细解析了Spring Boot项目中常见的`org.yaml.snakeyaml.scanner.ScannerException`错误,特别是因非法字符'@'导致的YAML解析问题。通过分析SnakeYAML解析机制和Maven资源过滤原理,提供了完整的解决方案,包括pom.xml配置、多环境profile设置及常见问题排查方法,帮助开发者高效解决YAML解析错误。

数据结构C语言循环链表练习之俄罗斯轮盘赌

编译器:/******************************project:数据结构*function:循环链表之俄罗斯赌盘*Author:Rookie Uzz******************************copyright:2019.2.27 by UZT****************************/1 ...

#数据结构与算法
react native Expo适配全面屏/Expo识别全面屏和正常屏

一、最新版本的expo已经默认支持了全面屏,即不会像react native cli一样出现底部黑边二、但是全面屏通过Dimensions.get('window')获取的高度还是不准确,因为全面屏的statusBar高度问题。三、适配方案通过获取屏幕纵横比来判断是否为全面屏1、获取宽高const {width,height} = Dimensions.get('window'...

#ui
PowerMockito单元测试中的Invalid use of argument matchers问题详解

首先,简单说说PowerMockito进行单元测试的三部曲:打桩,即为非测试目标方法设置返回值,这些返回值在测试目标方法中被使用。执行测试,调用测试目标方法。验证测试结果,如测试方法是否被执行,测试结果是否正确等。其次,在使用PowerMockito框架进行单元测试的过程中,经常遇到如下异常:Invalid use of argument matchers!0 matchers ...

#测试#java
unity读取灰度图生成等值线图

准备灰度图 grayTest.png,放置于Assets下StreamingAssets文件夹中。在场景中添加RawImage用于显示最后的等值线图。生成等值线的过程,使用Marching squares中Isolines方式。https://en.wikipedia.org/wiki/Marching_squares首先将顶点数据与阈值比较,对顶...

#游戏#ui
Python美食推荐系统毕设实战:协同过滤算法原理与工程实现

推荐系统是机器学习中极具工程价值的分支,其核心思想在于利用用户与物品的交互数据,通过相似度计算挖掘潜在偏好。协同过滤作为经典算法,无需依赖复杂的特征工程,仅凭评分矩阵即可实现个性化推荐,被广泛应用于电商、内容平台等场景。在美食推荐领域,数据稀疏性和用户口味差异对算法选型提出了特殊要求,基于物品的协同过滤(ItemCF)因其对稀疏数据的高容忍度和强可解释性成为更优选择。本文以Python为工具,从评

    共 417 条
  • 1
  • 2
  • 3
  • 42
  • 请选择