express 学习

本文分享了从Node基础转向Express框架的学习经历,详细介绍了Express的安装、基本使用及如何配置Art-template作为模板引擎的过程。

就像学完js,开始学习jquery ,当时觉得真香,直到后来遇见了vue,才发现当时一点也不香。
现在学完node基础,刚学express,现在觉着香,不知道以后是什么味道…

express 第一个小demo

// 1. 安装 2. 导包
  var express = require("express")

// 3.创建服务器应用程序  ----> 即是原来的http.createServer(function(){})
  var app = express()
  
// 公开指定目录
// 以下写法,开发者即可以直接通过 "/public/XX" 的方式访问 'public' 目录中的所有资源
// 一切文件均可以被读取 (需要保证 与public 正确的 相对路径)
  app.use("/public/", express.static('./public/'))
  
  
  // 当服务器收到 get 请求 / 的时候,执行回调处理函数
  app.get('/', function(req,res){
  // 在express中 可以直接req.query来获取需要查询的字符串
  // 不必再 url.parse 了
  console.log(req.query)	// 以对象的形式输出 
    res.send('你好,我是express')
  })
  
  app.listen(3000,function(){
    console.log('app is running at port 3000');
  })

在Express中配置使用art-template模板引擎

安装:

npm install --save art-template			// 安装
npm install --save express-art-template
	var express = require('express')
	var app = express()
	
	app.use('/public/',express.static('./public/'))
	
	//   配置使用 art-template 模板引擎
	/*  第一个参数表示: 当渲染以 '.art' 结尾的文件的时候,使用 art-template 模板引擎
	    express-art-template 是专门用来在 express 中把 art-template 整合到 Express 里
	    虽然这里不需要加载 art-template  但是也必须安装。因为 art-template 被依赖  */
	app.engine('art',require('express-art-template'))
	
	/*  注意:
	    Express 为 Response 相应对象提供了一个方法 : render
	    render 方法默认是不可以使用, 但如果配置了模板引擎就可以使用了
	    用法 res.render('html模板名',{ 模板数据 })
	    第一个参数不可以写路径, 默认回去views文件夹中寻找模板文件
	    也就是说 Express 有一个约定 : 开发人员把所有的试图文件都放到 Views 目录中  */
	
	app.get('/', function (req, res) {
	  // 注意 此处的后缀名需要和 app.engine()的第一个参数申明的文件类型一致
	  // 三者不一定非要以 art 后缀结尾,但是 后缀需要保持一致
	  res.render('404.art') 
	})
	
	// 可以修改默认的 views 目录
	// app.set( views, 'render函数的默认路径')
	// 第一个参数  views 千万不要写错
	app.listen(3000,function(){
 	app.send("访问")
})
随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化信息工具包,构建了一个功能善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
评论
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
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