기본 콘텐츠로 건너뛰기

AJAX

jQuery 문법

$.ajax({
    url:"URL",
    method:"get || post",
    data: {"key":"value"} || $("#form").serialize(),
    cache:true || false,
    dataType:"json" || "text",
    success:function(res){
        alert(res.result);
    },
    error:function(xhs,status,err){
        alert(err);
    }
});

$.ajax({
    url : "/board/upload",
    method : "post",
    enctype : "multipart/form-data",
    data : new FormData($("#uploadForm")[0]),
    cache : false,
    dataType : "json",
    processData : false,
    contentType : false,
    timeout : 600000,
    success : function(res) {
        alert(res.result);
    },
    error : function(xhs, status, err) {
        alert(err);
    }
});

? 오류
response.setContentType("application/x-json; charset=UTF-8");


$.ajax({
/* 요청 시작 부분 */
url: url, //주소
data: formData, //전송 데이터
type: "POST", //전송 타입
async: true, //비동기 여부
enctype: "multipart/form-data", //form data 설정
processData: false, //프로세스 데이터 설정 : false 값을 해야 form data로 인식합니다
contentType: false, //헤더의 Content-Type을 설정 : false 값을 해야 form data로 인식합니다

/* 응답 확인 부분 */
success: function (response) {
console.log("");
console.log("[serverUploadImage] : [response] : " + response);
console.log("");
},

/* 에러 확인 부분 */
error: function (xhr) {
console.log("");
console.log("[serverUploadImage] : [error] : " + xhr);
console.log("");
},

/* 완료 확인 부분 */
complete: function (data, textStatus) {
console.log("");
console.log("[serverUploadImage] : [complete] : " + textStatus);
console.log("");
}
});


이 블로그의 인기 게시물

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...

Javascript on 함수

엔터키 감지하기 <input type="password" onkeypress="func(event)" /> function func(event) {      if(event.keyCode == 13) { // keyCode 13은 엔터이다           alert("엔터를 입력했습니다.");     }     if (event.tartget.value == 13) {          alert("엔터를 입력했습니다.");     } }

Grid 정렬

  .container { display : grid ; gap : 22px ; width : 1000px ; grid-template-columns : repeat ( auto-fit , 150px ); margin : auto ; justify-content : center ; } .container {      display : grid ; gap : 22px ; grid-template-columns : repeat ( auto-fit , minmax ( 250px , 1fr )); }