一些Java的课后练习

他的游戏是熟悉程序人。我们已经开发了这个游戏 java 语言倡导者希望每个人都

在数据库上显示数据时 struts2 的帮助。这是一个 struts 2 例子为 bigneer，有助于了解清楚。

zip压缩  解压缩 工具，只能解压zip文件 并返回zip文件中的子文件，已经解决中文乱码问题 ，方法都是静态方法 可以直接使用，是一个非常不错的zip文件解析工具

这是一个关于简易的计算器的java的源代码。运用到了图形界面画出一个简单的计算器界面，然后利用事件相应的方法实现每个按钮的功能，把用户按的按钮上的数字打到text上，并分别保存起来，最后把保存的两个数按照用户的要求进行加减乘除运算

这是实训时做的项目，在我看来很不好，没有做好。 说明：使用Oracle数据库，共有3个登陆角色，有五个模块功能。每个模块功能的代码相似。

此源码可以完美运行，j2me下面的小游戏，NetBeans平台下开发的-游戏的玩法和一般的贪吃蛇无二，都是控制小蛇前进的方向，尽可能吃更多的东西使自己变长，注意事项也和以前一样，首先不能咬到自己的尾巴。游戏共有三个难度可供选择

在项目中使用到了JFreeChart每天都会产生很多统计图,如果不及时清理,服务器空间很快就会不够,所以要用到定时器. 在网上找了很多定时器的实现,主要有2种:一是继承java.util.TimerTask,一种是使用Quartz,我开始选用了Quartz,但是Common-collection.jar出了问题,后来就都不用了,自己写了一个普通类,用spring的AOP对方法进行拦截,成功了! 有兴趣的童鞋可以看看,在工作中等到了同事崔的大力帮助!

资源描述TF-IDF（term frequency–inverse document frequency）是一种用于资讯检索与资讯探勘的常用加权技术, TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF * IDF，TF词频(Term Frequency)，IDF反文档频率(Inverse Document Frequency)。TF表示词条在文档d中出现的频率。IDF的主要思想是：如果包含词条t的文档越少，也就是n越小，IDF越大，则说明词条t具有很好的类别区分能力。如果某一类文档C中包含词条t的文档数为m，而其它类包含t的文档总数为k，显然所有包含t的文档数n=m + k，当m大的时候，n也大，按照IDF公式得到的IDF的值会小，就说明该词条t类别区分能力不强。但是实际上，如果一个词条在一个类的文档中频繁出现，则说明该词条能够很好代表这个类的文本的特征，这样的词条应该给它们赋予较高的权重，并选来作为该类文本的特征词以区别与其它类文档。这就是IDF的不足之处。这里采用了外部插件IKAnalyzer-2012.jar，用其进行分词，插件和测试文件可以从这里下载

一个动态的Java web投票系统可以实现投票，实现数据库与网页的动态交互，适合jsp初学者参考。

基于 mybatis和Spring MVC的一对一,多对多 ,一对多的关系映射 一、mybatis/ibatiS xml配置文件中 以 学生班级和班主任 为例 讲解多表映射 其中班级和学生为 一对多 班主任和班级为 一对一 二、extjs 前台写model 及 grid 简易编码 内有详细讲解