SpringBoot使用webjars处理静态资源

本文介绍了如何在Spring Boot中配置WebJars以引入jQuery库,并详细展示了如何设置静态资源处理,包括在resources文件夹下创建static、public、resources文件夹以及它们的访问优先级。同时,代码段解释了当在properties文件中配置映射时,如何避免自动处理resources文件夹的资源。

配置方法

  1. 打开WebJars - Web Libraries in Jars,找到jquery
  2. 导入依赖
    <dependency>
        <groupId>org.webjars</groupId>
        <artifactId>jquery</artifactId>
        <version>3.6.0</version>
    </dependency>

     3. 在resources文件夹下,建立static,public,resources文件夹,其中3个文件夹的文件访问优先级为,resources>public>static。

public void addResourceHandlers(ResourceHandlerRegistry registry) {
          if (!this.resourceProperties.isAddMappings()) {
                logger.debug("Default resource handling disabled");
          } else {
                this.addResourceHandler(registry, "/webjars/**", "classpath:/META-INF/resources/webjars/");
                this.addResourceHandler(registry, this.mvcProperties.getStaticPathPattern(), (registration) -> {
                    registration.addResourceLocations(this.resourceProperties.getStaticLocations());
                    if (this.servletContext != null) {
                        ServletContextResource resource = new ServletContextResource(this.servletContext, "/");
                        registration.addResourceLocations(new Resource[]{resource});
                    }

                });
          }
 }

根据代码,如果在properties文件中建立了映射,则不会自动访问resources的文件夹。

数据集介绍:垃圾目标检测数据集一、基础信息• 数据集名称:垃圾目标检测数据集• 图片数量:训练集:1349张图片验证集:120张图片测试集:30张图片总计:1499张图片• 训练集:1349张图片• 验证集:120张图片• 测试集:30张图片• 总计:1499张图片• 分类类别:垃圾袋:常见的垃圾容器。玻璃:玻璃类垃圾。金属:金属类垃圾。纸张:纸类垃圾。塑料:塑料制品。泡沫塑料:泡沫类材料。垃圾:一般废弃物。• 垃圾袋:常见的垃圾容器。• 玻璃:玻璃类垃圾。• 金属:金属类垃圾。• 纸张:纸类垃圾。• 塑料:塑料制品。• 泡沫塑料:泡沫类材料。• 垃圾:一般废弃物。• 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。• 数据格式:图片数据,来源于实际场景。二、适用场景• 垃圾识别与分类系统开发:帮助构建能够自动识别垃圾类型并分类的AI模型,应用于智能垃圾桶或回收站,提升废物管理效率。• 环保科技应用:集成至环保设备中,提供实时垃圾识别功能,支持城市清洁和可持续发展项目。• 学术研究与创新:支持计算机视觉在环境科学领域的应用研究,助力垃圾处理技术的优化。• 公共教育与宣传:用于环保教育活动,作为识别和分类垃圾的教学资源,提高公众环保意识。三、数据集优势• 精准标注与多样性:每张图片均经过准确标注,确保类别识别和边界框定位精确。覆盖7种常见垃圾类别,包括可回收和不可回收材料,具有高度多样性。• 实际场景数据:图片来源于真实环境,包含多种垃圾类型,提升模型在现实应用中的鲁棒性和泛化能力。• 任务适配性强:标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,并支持扩展至其他视觉任务需求。• 环保价值突出:专注于垃圾识别和分类,为废物回收、资源再利用和环境保护提供重要数据支撑。
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