跳到主要內容

Gradle(3)–– 檔案處理




我們在開發軟體時,我們時常需要對檔案和目錄作處理,例如我們需要複製檔案到另外一個目錄理或是需要移動某些檔案到其他目錄。常用的型態

type 說明
copy 複製
zip 壓縮




檔案操作

(1)檔案顯示: 我們使用gradle的file()它用來解析檔案的目錄和檔案,file()是使用java.io.File的物件來操作。
範例一、 txt目錄中有兩個檔案為a.txt和b.txt,可以顯示txt底下所有的檔案
File txt = file('txt/')
for(File f : txt.listFiles()){
    println(f.getName())
}
image
範例二、使用Url和Uri操作URL url = new URL('file: D:\\gradle\txt')
URI uri = new URI(‘file: D:\\gradle\txt’)

(2) 檔案樹(file tree): 我們利用fileTree()函式顯示目錄和ZIP的檔案樹狀結構,我們也可以利用pattern來做檔案的過濾。matching方法閉包用來自訂方法include、includes、exclude和excludes來自訂過濾的樣式

pattern :
  *  -> 符合任何字串樣式
  ?  –> 符合單一字串樣式
**  –> 符合任何檔案或是目錄的字串樣式

範例一、顯示txt目錄底下的java檔image
def treeFiles = fileTree(dir:'txt').matching{
                    include '**.java'
                }

treeFiles.visit{FileVisitDetails fileDetails ->
    if(fileDetails.directory){
        println "directory: ${fileDetails.relativePath}"
    }else{
        println("filename: ${fileDetails.name}")
    }
}

說明: 利用fileTree建構子指定目錄,利用matching的閉包(closure)過濾只有.java的檔案。
(3) copying files : 檔案操作需要複製檔案,使用Copy的閉包來操作檔案
方法:
from() :從哪裡複製檔案
to() : 複製到哪裡
include() : 包含條件
exclude: 排除條件

範例一、將txt目錄複製到copyTxt目錄裡面

task copyFile(type: Copy){
    from 'txt'
    into 'copyTxt'
}

#> gradle  copyFile
範例二、將txt目錄只有複製.java的檔案到copyTxt目錄裡面
task copyFile(type: Copy){
    from 'txt'
    into 'copyTxt'
    include '**.java,**.gif'
}

#> gradle  copyFile

(4) Renaming files : 更改檔案名稱


範例一、副檔名為txt會更改為text

task renameFile(type: Copy){
    from 'txt'
    rename{
        String fileName ->
        if(fileName.endsWith('txt')){
            String org = fileName - ".txt" + ".text"
        }
    }

    into 'renameTxt'
}
(4)打包操作(Archiving files) : 當很多檔案需要打包到Zip、Jar、War、Tar等等,我們使用Gradle作歸檔操作需要檔名的設定如[baseName]-[appendix]-[version]-[classifier]。
範例一、 把txt目錄檔案打包成ZIP
task archiveFiles(type: Zip){
    from 'txt'
    into 'zip'
   
    // Create output filename.
    baseName = 'txtFile'
    appendix = 'archive'
    extension = 'zip'
    version = '1.0'
    classifier = ''
}
說明: 打包為txtFile-archive-1.0.zip
範例二: 打包為tar的檔案,利用GZIP的方式壓縮
task archiveTar(type: Tar){
    from 'txt'
    into 'tar'
   
    // Create output filename.
    baseName = 'txtFile'
    appendix = 'archive'
    extension = 'tar.gz'
    version = '1.0'
    classifier = ''
    compression = Compression.GZIP // or Compression.BZIP2
}

留言

這個網誌中的熱門文章

JavaBean 和POJO

前言 今天介紹JavaBean和POJO的不同,這兩個名詞在JAVA文章常常被拿來使用以及討論。在JDK1.1時候釋出才有的一個標準架構,很多時候常常被搞混,所以我們特別開闢一章來加以討論。POJO規範在企業級應用已經廣大的被使用的規範。 解釋 POJO : 全名為Plain-old-Java-object,只需要繼承Object就可以,沒有特定規定,只要建立的類別有setter/getter方法都可以稱為POJO JavaBean: JavaBean通常用來封裝多個物件成為單獨物件使用,規範比較嚴格,規則如下 規則 說明 1 需要實作序列(Serializable/Externalizable) 2 不能有參數的建構子( no-arg constructor) 3 需要有公用setter/getter 4 屬性必須要私人(private) 5 屬於特定POJO規則 比較 所有的JavaBean都為POJO,但是所有的POJO不一定為JavaBean 都可以當作重複元件 都必須序列化 特性都為可用性、易用性和持久化使用 - 應用 由圖我們可以知道POJO在應用程式中,主要用來存取資料庫資料達到持久化的目的,並提供給商業邏輯流程處理使用。這種POJO的架構提供程式人員開發時的可以很有規則將資料封裝並加以使用。 範例1. JavaBean(以員工為實例) JavaBean建立員工物件,可以發現Employee物件建構子沒有任何參數,屬性為私有化並setter/getter的命名方式。 //實作序列化 public class Employee implements java.io.Serializable{ private int id; private String name; //無參數建構子 public Employee(){} //以下實作setter/getter public void setId(int id){this.id=id;} public int getId(){return id;} public void setName(String ...

Python AI-手寫辨識

Python AI-手寫辨識 類神經網路-手寫辨識 手寫辨識 (1) 問題定義 將輸入手寫數字圖片,經由類神經網路訓練後,可以辨識手寫圖片得到一個正確的答案,例如讓電腦辨識上面圖片手寫數字0-9,都可以認得.在了解問題後,需要先知道輸入的資料格式,例如圖片為NxN的矩陣向量. 輸入:輸入的資料格式有很多種,例如數字圖片為矩陣向量 模型:NN 輸出:輸出的方式,神經網路輸出不一定跟輸入同值,手寫數字輸入為1,輸出有可能是1.1或是1.5等等,所以輸出必須經過轉換成真實世界的數字. (2)定義函式 輸出會有兩個問題: A.輸出利用one-hot encoding來表示,就是N個狀態會對應N的結果,例如:輸出結果為1,表示[0,1,0,0,0,0,0,0,0,0] B.輸出結果不能超過1,我們通常會利用 Softmax函数 來進行輸出的處理. (3) 準備訓練/測試資料 在這邊需要從輸入去定義那些要當作訓練與測試資料,我們手寫資料使用MNIST 資料庫來訓練使用,MNIST共有70,000筆手寫資料,60,000筆為訓練資料,10,000為測試資料. (4)建構類神經網路模型 開始建構我們的神經網路模型,首先決定好28x28的像素(這邊不用擔心如何將圖片轉成矩陣),模型使用SGD的方式進行學習,輸出是一個10為的陣列來表示. 輸入:手寫數字圖片(28x28=784) 模型:SGD 輸出:數字(one hard encoding) (5)學習 首先介紹SGD(Stochastic Gradient Descent) 的學習方式,因為蕾神經網路需要訓練很多次才會提高準確度,SGD最大的好處就是當每次重新學習的會將訓練資料打散,來防止機器學習將答案死背下來. (6)實作開發 下面程式碼有完整的說明,這邊就不多說明了,當開始執行程式時就會進行資料訓練. 由訓練結果最後acc=0.9447,表示準確率可以到達94%,我們再由實際測試可以看出該圖為7的圖示,由神經網路判斷為7,跟我們人類判斷相同,我們可以知道由訓練的結果可看得到不錯的準確度. 執行神經網路遇到不少問題,請參考下面連結,是筆者所整理的問題集,請多多指教 https://programdoubledragon.bl...

Python AI-問題集

Python AI-問題集 問題集 Jupyter Notebook執行ipywidgets會出現kernel死掉的錯誤發生(The kernel appears to have died) 解決方法 (1) 根據log檔來判斷問題: 例如:log訊息出現OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized. (2) 根據問題關鍵字找出問題所在: 利用google查詢所遭遇到的問題,例如我把上面的問題上google查詢可以找到這篇的解法 https://blog.csdn.net/bingjianIT/article/details/86182096 (3)實作解法: 我實作下面解法後,就可以順利執行手寫辨識的程式. //在Python宣告時加入 import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" 參考 https://blog.csdn.net/bingjianIT/article/details/86182096