Nano Hash - криптовалюты, майнинг, программирование

Как добавить параметры запроса с помощью Jetty HttpClient

как передать параметры в URL-адресе с помощью клиентского запроса Jetty 9? Я пробовал следующее, но это не сработало:

String url= http://localhost/myApp    
Request request = httpClient.newRequest(url);
request.param("param","value");

Я хочу добавить параметры в URL-адрес, чтобы они выглядели следующим образом, когда я отправляю свой запрос:

http://localhost/myApp?param=value
http java jetty jetty-9
12.10.2015

  • Что, если вы добавите свои параметры после вопросительного знака прямо в строку URL? 12.10.2015
  • Ваш код работает как есть. 12.10.2015
  • если я добавлю свои параметры после вопросительного знака, это сработает, но я хочу использовать функцию request.param(), не понимаю, почему она не работает :( 13.10.2015
  • @JoakimErdfelt: спасибо, код работает как есть! Моя проблема заключалась в неправильном значении параметра -_- 13.10.2015

Ответы:


1

Код работает как есть! Моя проблема заключалась в неправильном значении параметра.

13.10.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..