为什么要使用ajax请求，而不用jsp的el表达式和jstl方便的得到数据呢？

• 优点一: 前后端分离 jsp是一种早期的技术，它将前后端杂糅在一起，html和java代码交错；而现在前后端分离逐渐成为业界标准，将静态html和后端java代码分开的思想有利于前后端专注于自己的工作，提高工作效率，降低维护成本。
• 优点二: 访问速度更快 我们知道jsp的本质是servlet，因此浏览器在第一次访问jsp时，需要将jsp编译成servlet，这将耗费很多时间，而静态html就没有这样的问题。
• 优点三: 服务器压力更小 既然jsp是servlet，那么无论是编译还是访问，都需要占用服务器资源，前后端分离可以有效缓解问题。

我们知道MyBatis的框架为我们操作数据库大大减小了工作量，然而实现类和mapper映射仍然需要我们自己编写。

MyBatis Generator为我们很好的解决了这个问题，它能自动生成实现类和mapper映射，我们要做的只是直接调用它生成的代码访问数据库。

那我们就开始配置MyBatis Generator，以下操作全都基于MyBatis框架配置完成的情况！

上一期中我们用intellij idea完成了Maven项目的配置，内嵌jetty插件构建服务器，并安装了jstl标签库。

我们知道可以使用jdbc对数据库进行增删改查，但是这样代码量很大，而且是硬编码，不够灵活多变，效率也不高。MyBatis为我们提供了更好的解决方案，让我们为Maven配置MyBatis框架。

Maven项目对象模型(POM)，可以通过一小段描述信息来管理项目的构建，报告和文档的项目管理工具软件。

通过使用Maven，我们可以便捷的使用一段代码来引入jar包，从而不再为杂乱的引用而烦恼，同时远离jar包各种报错的折磨。

一开始笔者都是使用requests+bs4实现爬虫，直到后来我发现了有一个功能强大使用简单的爬虫框架——scrapy，本文是一个入门级教程，会记录下从零开始使用scrapy实现最简单爬虫的全过程。

大概几个月前，神经网络、人工智能等概念在我心里仍高不可攀，直到自己亲身上手之后，才发现搭建神经网络并不像自己想象的那么难。很幸运，我开始学习神经网络的时候Tensorflow2.0已经发布了。

Tensorflow2中内置了Keras库，Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化。用Tensorflow2中自带的Keras库，会使得搭建神经网络变得非常简单友好。

连接池是创建和管理一个连接的缓冲池的技术，这些连接准备好被任何需要它们的线程使用。即如果有大量用户访问数据库，连接池便可以为每个用户提供连接，用户访问完之后收回连接以备再次使用。

本文将介绍如何用html+js实现一个简单的登录窗口，包括登录验证和注册功能。

我们经常可以见到可视化表示的生动形象的词频图片，这便是词云，比如统计2019年的搜索热词，我们便可以把搜索量前十的词语做成词云图，搜索量越大，图中出现的词频数就越高，如此就可以生成鲜明的可视化词频图了，那么这样的图片如何通过python批量生成呢？

很幸运，python的wordcloud库为我们提供了现成的方法。

在制作面向用户系统时，我们往往需要设置除输入参数外更为灵活的操作方式，例如鼠标点击、按键按下（无阻塞输入）等；同时，我们需要制作更为精美的UI而不是简陋的黑白界面。然而，纯C语言本身并不提供这些函数，为实现这些操作，我们需要调用windows.h库中的函数（当然大前提是用户使用windows系统）。