기본 콘텐츠로 건너뛰기

Java

현재 날짜
java.util.Date today = new java.util.Date();
SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd,hh:mm:ss");
String date = sdf.format(today);

현재 날짜 한줄로
new SimpleDateFormat("yyyy-MM-dd").format(new Date());

java.util.Date에 java.sql.date저장
java.util.date date = this.rs.getTimestamp("date");
Timestamp timestamp = new Timestamp(System.currentTimeMillis());

직렬화 설정하기
implement Serializable

객체를 파일에 저장하기
new ObjectOutputStream(new FileOutputStream(new File("D:\document\data.ser"))).writeObject(new Object());
new ObjectOutputStream(/* 생략 */).flush();
// ObjectOutputStream, FileOutputStream은 new 할 때 파일을 생성한다.
// Object

객체를 파일에서 불러오기
(Object)new ObjectInputStream(new FileInputStream(new File("D:\document\data.ser"))).readObject();

람다 표현식
@FunctionalInterface // 함수형 인터페이스
interface Sample {
    public abstract int method(int a, int b);
}
public static void useSample(Sample s, int a, int b) {
    System.out.println(s.method(a,b));
useSample((a,b)->{return a+b;},3,5); // 8
메소드 한개짜리 구현은 이렇게 표현해도 된다

// sql NUMBER인 값은 무조건 BigDecimal로 받아야 한다
java.math.BigDecimal big = (java.math.BigDecimal)map.get("FSIZE");
big.intValue();

공백 제거
.trim();

Optional<T>
null인 값을 무조건 null이 아닌 값으로 바꿔준다
null일 때 빈(empty) 값이 들어간다

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 )); }