ajax四部操作 |学习笔记

简介: 快速学习ajax四部操作

开发者学堂课程【Ajax:学习ajax四部操作】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/31

ajax四部操作


主要内容:

ajax发送异步请求的四部操作

第一步(得到XMLHttpRequest)

ajax只需掌握XMLHttpRequest

image.png

第二步(打开与服务器的连接)

xmlHttp.open():用来打开与服务器的连接,它需要三个参数:

请求方式:GET或POST

请求的URL:指定服务器端资源,如:/day23 1/AServerlet

请求是否为异步:若为true表示发送异步请求,否则同步请求。

xmlHttp.open(“GET”,”/day23 1/AServer”,true);

第三步(发送请求)

xmlHttp.send(null):若不给出,可能会造成部分浏览器无法发送。

参数:即请求体内容,若为GET请求,必须给出null。

第四步

l 在xmlHttp对象的一个事件上注册监听器:onreadystatechange

xmlHttp对象共有5个状态:

0状态:刚创建,还没有调用open()方法;

1状态:请求开始,调用了open()方法,但还没有调用send()方法;

2状态:调用完send()方法;

3状态:服务器已经开始响应,但不表示响应结束;

4状态:服务器响应结束;

l 得到xmlHttp对象的状态:

var state=xmlHttp.readyState;

l 得到响应的状态码:

var status=xmlHttp.status;

l 得到服务器响应的内容

var content=xmlHttp.responseText;//得到服务器的响应的文本格式内容;

var content=xmlHtto.responseXML;//得到服务器响应的XML内容,即Document对象;

xmlHttp.onreadystatechange=function(){//这是xmlHttp的5种状态都会调用的方法

if(xmlHttp.readystate==4&&xmlHttp.status==200){//双重判断:判断是否为4状态,且要判断是否为200//获取服务器的响应内容

vartext=xmlHttp.reponseText;}};

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6