ThinkPHP框架入门知识
ThinkPHP框架入门知识
ThinkPHP 是一个免费开源的,快速、简单的面向对象的 轻量级PHP开发框架 ,创立于2006年初,遵循Apache2开源协议发布,是为了敏捷WEB应用开发和简化企业应用开发而诞生的。ThinkPHP从诞生以来一直秉承简洁 实用的设计原则,在保持出色的性能和至简的代码的同时,也注重易用性。并且拥有众多的原创功能和特性,在社区团队的积极参与下,在易用性、扩展性和性能方 面不断优化和改进,已经成长为国内最领先和最具影响力的WEB应用开发框架,众多的典型案例确保可以稳定用于商业以及门户级的开发。
ThinkPHP基于MVC的PHP框架
M – Model 模型 工作:负责数据的操作
V – View 视图(模板) 工作:负责前台页面显示
C – Controller 控制器(模块) 工作:描述功能
ThinkPHP核心文件介绍
├─ThinkPHP.php 框架入口文件
├─Common 框架公共文件
├─Conf 框架配置文件
├─Extend 框架扩展目录
├─Lang 核心语言包目录
├─Lib 核心类库目录
│ ├─Behavior 核心行为类库
│ ├─Core 核心基类库
│ ├─Driver 内置驱动
│ │ ├─Cache 内置缓存驱动
│ │ ├─Db 内置数据库驱动
│ │ ├─TagLib 内置标签驱动
│ │ └─Template 内置模板引擎驱动
│ └─Template 内置模板引擎
└─Tpl 系统模板目录
#项目目录结构及说明:
Home 前台应用文件夹
├─Common 项目公共文件目录
├─Conf 项目配置目录
├─Lang 项目语言目录
├─Lib 项目类库目录
│ ├─Action Action类库目录
│ ├─Behavior 行为类库目录
│ ├─Model 模型类库目录
│ └─Widget Widget类库目录
├─Runtime 项目运行时目录
│ ├─Cache 模板缓存目录
│ ├─Data 数据缓存目录
│ ├─Logs 日志文件目录
│ └─Temp 临时缓存目录
└─Tpl 项目模板目录
ThinkPHP 3 MVC模式和URL访问
什么是MVC
M -Model 编写model类 对数据进行操作
V -View 编写html文件,页面呈现
C -Controller 编写类文件(UserAction.class.php)
ThinkPHP的MVC特点
编写非常灵活,只有view都可以执行
ThinkPHP的MVC对应的目录
M 项目目录/应用目录/Lib/Model
V 项目目录/应用目录/Tpl
C 项目目录/应用目录/Lib/Action
url访问C
url的4种访问方式
1.PATHINFO 模式
http://域名/项目名/入口文件/模块名/方法名/键1/值1/键2/值2
2.普通模式
http://域名/项目名/入口文件?m=模块名&a=方法名&键1=值1&键2=值2
3.REWRITE模式
http://域名/项目名/模块名/方法名/键1/值1/键2/值2
4.兼容模式
http://域名/项目名/入口文件?s=模块名/方法名/键1/值1/键2/值2
ThinkPHP 3.1.2 输出和模型使用
ThinkPHP 3 的输出
a、通过 echo 等PHP原生的输出方式在页面中输出
b、通过display方法输出
想分配变量可以使用assign方法
c、修改左右定界符
休要修改配置文件中的配置项
‘TMPL_L_DELIM’=>'
‘TMPL_R_DELIM’=>’}>’, //修改右定界符
ThinkPHP 3 的模型使用
需要在方法中通过new Model(表名)的形式操作数据库
$m=new Model(‘User’);
$arr=$m->select();
‘DB_TYPE’=>’mysql’, //设置数据库类型
‘DB_HOST’=>’localhost’,//设置主机
‘DB_NAME’=>’thinkphp’,//设置数据库名
‘DB_USER’=>’root’, //设置用户名
‘DB_PWD’=>”, //设置密码
‘DB_PORT’=>’3306′, //设置端口号
‘DB_PREFIX’=>’tp_’, //设置表前缀
也可以使用DSN方法进行配置
‘DB_DSN’=>’mysql://root:@localhost:3306/thinkphp’,//使用DSN方式配置数据库信息
如果两种方式同时存在,以DSN方式为优先
还有一种简单实用模型的方式
M() 等效为 new Model();
$m=M(‘User’);
$arr=$m->select();
使用模型的实例可以对数据进行操作,操作的工作一般就是对数据库进行 增删改查 CURD
增 -C Create $m->add()
删 -D Delete $m->delete()
改 -U Update $m->save()
查 -R Read $m->select()
a、模板可以遍历数组
1
2
3
---------
b、我们可以开启调试功能中的page_trace
1.开启调试功能
//3.开启调试模式(在主入口文件配置index.php)
define(‘APP_DEBUG’,true);
2.我们需要设置配置文件,开启页面trace
‘SHOW_PAGE_TRACE’=>true,//开启页面Trace,需要有$this->display()才显示
CURD特性
读取数据
对数据的读取 Read
$m=new Model(‘User’);
$m=M(‘User’);
select
$m->select();//获取所有数据,以数组形式返回
find
$m->find(2);//获取单条数据
getField(字段名)//获取一个具体的字段值
$arr=$m->where(‘id=2′)->getField(‘username’);
创建数据
对数据的添加 Create
$m=new Model(‘User’);
$m=M(‘User’);
$m->字段名=值
$m->add();
返回值是新增的id号
删除数据
$m=M(‘User’);
$m->delete(2); //删除id为2的数据
$m->where(‘id=2′)->delete(); //与上面效果相同,也是删除id为2的数据
返回值是受影响行数
更新数据
$m=M(‘User’);
$data['id']=1;
$data['username']=’ztz2′;
$m->save($data);
返回值是受影响行数
查询方式
普通查询方式
a、字符串
$arr=$m->where(“sex=0 and username=’gege'”)->find();
b、数组
$data['sex']=0;
$data['username']=’gege';
$arr=$m->where($data)->find();
注意:这种方式默认是and的关系,如果使用or关系,需要添加数组值
$data['sex']=0;
$data['username']=’gege';
$data['_logic']=’or';
表达式查询方式
$data['id']=array(‘lt’,6);
$arr=$m->where($data)->select();
EQ 等于
NEQ不等于
GT 大于
EGT大于等于
LT 小于
ELT小于等于
LIKE 模糊查询
$data['username']=array(‘like’,’%ge’);
$arr=$m->where($data)->select();
NOTLIKE
$data['username']=array(‘notlike’,’%ge%’); //notlike中间没有空格
$arr=$m->where($data)->select();
注意:如果一个字段要匹配多个通配符
$data['username']=array(‘like’,array(‘%ge%’,’%2%’,’%五%’),’and’);//如果没有第三个值,默认关系是or关系
$arr=$m->where($data)->select();
BETWEEN
$data['id']=array(‘between’,array(5,7));
$arr=$m->where($data)->select();
//SELECT * FROM tp_user WHERE ( (id BETWEEN 5 AND 7 ) )
$data['id']=array(‘not between’,array(5,7));//注意,not 和 between中间一定要有空格
$arr=$m->where($data)->select();
IN
$data['id']=array(‘in’,array(4,6,7));
$arr=$m->where($data)->select();
//SELECT * FROM tp_user WHERE ( id IN (4,6,7) )
$data['id']=array(‘not in’,array(4,6,7));
$arr=$m->where($data)->select();
//SELECT * FROM tp_user WHERE ( id NOT IN (4,6,7) )
区间查询
$data['id']=array(array(‘gt’,4),array(‘lt’,10));//默认关系是 and 的关系
//SELECT * FROM tp_user WHERE ( (id > 4) AND (id
$data['id']=array(array(‘gt’,4),array(‘lt’,10),’or’) //关系就是or的关系
$data['name']=array(array(‘like’,’%2%’),array(‘like’,’%五%’),’gege’,’or’);
统计查询
count //获取个数
max //获取最大数
min //获取最小数
avg //获取平均数
sum //获取总和
SQL直接查询
a、query 主要数处理读取数据的
成功返回数据的结果集
失败返回boolean false
$m=M();
$result=$m->query(“select * from t_user where id >50″);
var_dump($result);
b、execute 用于更新个写入操作
成功返回影响行数
失败返回boolean false
$m=M();
$result=$m->execute(“insert into t_user(username) values(‘ztz3′)”);
var_dump($result);
连贯操作
常用连贯操作
1.where
帮助我们设置查询条件
2.order
对结果进行排序
$arr=$m->order(‘id desc’)->select();
$arr=$m->order(array(‘id’=>’desc’,’sex’=>’asc’))->select();
3.limit
限制结果
limit(2,5)
limit(‘2,5′)
limit(10)//limit(0,10)
4.field
设置查询字段
field(‘username as name,id’)
field(array(‘username’=>’name’,’id’)
field(‘id’,true) //获取除了id以外的所有字段
5.table
设置表名
6.group
分组
7.having
alias 用于给当前数据表定义别名 字符串
page 用于查询分页(内部会转换成limit) 字符串和数字
join* 用于对查询的join支持 字符串和数组
union* 用于对查询的union支持 字符串、数组和对象
distinct 用于查询的distinct支持 布尔值
lock 用于数据库的锁机制 布尔值
cache 用于查询缓存 支持多个参数(以后在缓存部分再详细描述)
relation 用于关联查询(需要关联模型扩展支持) 字符串
validate 用于数据自动验证 数组
auto 用于数据自动完成 数组
filter 用于数据过滤 字符串
scope* 用于命名范围 字符串、数组
视图
模板的使用
a、规则
模板文件夹下[TPL]/[分组文件夹/][模板主题文件夹/]和模块名同名的文件夹[Index]/和方法名同名的文件[index].html(.tpl)
更换模板文件的后缀名(修改配置文件)
‘TMPL_TEMPLATE_SUFFIX’=>’.html’,//更改模板文件后缀名
b、修改模板文件目录层次
‘TMPL_FILE_DEPR’=>’_’,//修改模板文件目录层次
c、模板主题
‘DEFAULT_THEME’=>’your’,//设置默认模板主题
需要在TPL下面新建一个your文件夹作为模板主题文件夹
如何动态修改模板主题?
1、在后台准备一个功能,修改config.php文件中的默认模板项
2、通过url传递 t=主题 参数可以修改不同的模板
‘DEFAULT_THEME’=>’your’,//设置默认模板主题
‘TMPL_DETECT_THEME’=>true,//自动侦测模板主题
‘THEME_LIST’=>’your,my’,//支持的模板主题列表
输出模板内容
a、display
1.display中没有参数
$this->display();
2.可以带参数
$this->display(本模块文件夹下的其他模板文件);
$this->display(‘index2′);
$this->display(其他文件夹下的模板文件);
$this->display(‘Public:error’);//注意,仅仅需要在Tpl下有Public文件夹以及其中的error.html即可,不需要一定有Public模块
$this->display(其他主题下的 文件夹下的 模板文件);//需要开启主题支持
$this->display(‘my:Index:index’);
$this->display(一个url路径);
$this->display(‘./Public/error.html’);
$this->display(‘./Public/error.html’,’utf-8′,’text/xml’);
$this->show($content);
3.fetch方法
获得模板文件中的内容,以字符串形式返回
$content=$this->fetch(‘Public:error’);
4.show方法
不需要模板文件,可以直接输出模板内容
$content=$this->fetch(‘Public:error’);
dump($content);
$content=str_replace(‘h1′,’i’,$content);
$this->show($content);
模板中的赋值
//$this->assign(‘name’,’赵桐正’);
$this->name=’赵桐正2′;
$this->display();
模板替换
__PUBLIC__:会被替换成当前网站的公共目录 通常是 /Public/
__ROOT__: 会替换成当前网站的地址(不含域名)
__APP__: 会替换成当前项目的URL地址 (不含域名)
__GROUP__:会替换成当前分组的URL地址 (不含域名)
__URL__: 会替换成当前模块的URL地址(不含域名)
__ACTION__:会替换成当前操作的URL地址 (不含域名)
__SELF__: 会替换成当前的页面URL
更换模板变量规则,修改配置项
‘TMPL_PARSE_STRING’=>array( //添加自己的模板变量规则
‘__CSS__’=>__ROOT__.’/Public/Css’,
‘__JS__’=>__ROOT__.’/Public/Js’,
),
模板中的变量
变量输出
1.标量输出
2.数组输出
{$name[1]} //索引数组
{$name['k2']} //关联数组
{$name.k1}
3.对象输出
{$name:k}
{$name->k}
系统变量
{$Think.get.id}
使用函数
{$name|strtoupper} 生成的编译后文件是
{$name|date=’Y m d H:i:s’,###}
默认值
{$name|default=’这里是默认值’}
运算符
+ – * / % ++ —
{$name++}
模板中的基本语法
导入CSS和JS文件
1、css link
js scr
2.import
//可以更改默认文件夹 设置basepath属性
3.load
//方法可以自动检测导入的文件类型
分支结构
1、if
男人是泥巴做的
女人是水做的
未成年
青春年少
成年
> gt
== eq
>= egt
!= neq
=== heq
!== nheq
循环结构
1.for
{$j} | abc |
2.volist
{$v.username}
3.foreach
{$k}——-{$v}
特殊标签
1、比较标签
eq或者 equal 等于
neq 或者notequal 不等于
gt 大于
egt 大于等于
lt 小于
elt 小于等于
heq 恒等于
nheq 不恒等于
2.范围标签
in
between
3.present
标签来判断模板变量是否已经赋值,
4.Empty
empty标签判断模板变量是否为空,
5.Defined
判断常量是否已经定义
6.Define
在模板中定义常量
7.Assing
模板中变量赋值
其他标签使用
1、在模板中直接使用PHP代码
2、建议更改左右定界符
在配置文件中改变
‘TMPL_L_DELIM’=>'
‘TMPL_R_DELIM’=>’}>’, //修改右定界符
模板的使用技巧 这里是渲染页面!!!
模板包含
在模板中变量用[变量]接受
模板渲染
1、自动开启模板渲染 设置配置文件
‘LAYOUT_ON’=>true,//开启模板渲染
准备一个模板渲染页面,在页面中使用{__CONTENT__}接受具体模板页面的内容
如果在摸一个具体模板中不希望使用渲染模板,可以在页首添加{__NOCONTENT__}
2、不开启自动模板渲染可以在每一个具体页面的页首添加
3.使用技巧
在渲染模板文件中也可以使用其他模板文件的内容
{__CONTENT__}

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Kimi : En une seule phrase, un PPT est prêt en seulement dix secondes. PPT est tellement ennuyeux ! Pour tenir une réunion, vous devez avoir un PPT ; pour rédiger un rapport hebdomadaire, vous devez avoir un PPT ; pour solliciter des investissements, vous devez présenter un PPT ; même pour accuser quelqu'un de tricherie, vous devez envoyer un PPT ; L'université ressemble plus à une spécialisation PPT. Vous regardez le PPT en classe et faites le PPT après les cours. Peut-être que lorsque Dennis Austin a inventé le PPT il y a 37 ans, il ne s'attendait pas à ce qu'un jour le PPT devienne aussi répandu. Parler de notre dure expérience de création de PPT nous fait monter les larmes aux yeux. "Il m'a fallu trois mois pour réaliser un PPT de plus de 20 pages, et je l'ai révisé des dizaines de fois. J'avais envie de vomir quand j'ai vu le PPT." "À mon apogée, je faisais cinq PPT par jour, et même ma respiration." était PPT." Si vous avez une réunion impromptue, vous devriez le faire

Tôt le matin du 20 juin, heure de Pékin, CVPR2024, la plus grande conférence internationale sur la vision par ordinateur qui s'est tenue à Seattle, a officiellement annoncé le meilleur article et d'autres récompenses. Cette année, un total de 10 articles ont remporté des prix, dont 2 meilleurs articles et 2 meilleurs articles étudiants. De plus, il y a eu 2 nominations pour les meilleurs articles et 4 nominations pour les meilleurs articles étudiants. La conférence la plus importante dans le domaine de la vision par ordinateur (CV) est la CVPR, qui attire chaque année un grand nombre d'instituts de recherche et d'universités. Selon les statistiques, un total de 11 532 articles ont été soumis cette année, dont 2 719 ont été acceptés, avec un taux d'acceptation de 23,6 %. Selon l'analyse statistique des données CVPR2024 du Georgia Institute of Technology, du point de vue des sujets de recherche, le plus grand nombre d'articles est la synthèse et la génération d'images et de vidéos (Imageandvideosyn

Nous savons que le LLM est formé sur des clusters informatiques à grande échelle utilisant des données massives. Ce site a présenté de nombreuses méthodes et technologies utilisées pour aider et améliorer le processus de formation LLM. Aujourd'hui, ce que nous souhaitons partager est un article qui approfondit la technologie sous-jacente et présente comment transformer un ensemble de « bare metals » sans même un système d'exploitation en un cluster informatique pour la formation LLM. Cet article provient d'Imbue, une startup d'IA qui s'efforce d'atteindre une intelligence générale en comprenant comment les machines pensent. Bien sûr, transformer un tas de « bare metal » sans système d'exploitation en un cluster informatique pour la formation LLM n'est pas un processus facile, plein d'exploration et d'essais et d'erreurs, mais Imbue a finalement réussi à former un LLM avec 70 milliards de paramètres et dans. le processus s'accumule

Rédacteur du Machine Power Report : Yang Wen La vague d’intelligence artificielle représentée par les grands modèles et l’AIGC a discrètement changé notre façon de vivre et de travailler, mais la plupart des gens ne savent toujours pas comment l’utiliser. C'est pourquoi nous avons lancé la rubrique « AI in Use » pour présenter en détail comment utiliser l'IA à travers des cas d'utilisation de l'intelligence artificielle intuitifs, intéressants et concis et stimuler la réflexion de chacun. Nous invitons également les lecteurs à soumettre des cas d'utilisation innovants et pratiques. Lien vidéo : https://mp.weixin.qq.com/s/2hX_i7li3RqdE4u016yGhQ Récemment, le vlog de la vie d'une fille vivant seule est devenu populaire sur Xiaohongshu. Une animation de style illustration, associée à quelques mots de guérison, peut être facilement récupérée en quelques jours seulement.

La génération augmentée par récupération (RAG) est une technique qui utilise la récupération pour améliorer les modèles de langage. Plus précisément, avant qu'un modèle de langage ne génère une réponse, il récupère les informations pertinentes à partir d'une vaste base de données de documents, puis utilise ces informations pour guider le processus de génération. Cette technologie peut considérablement améliorer l'exactitude et la pertinence du contenu, atténuer efficacement le problème des hallucinations, augmenter la vitesse de mise à jour des connaissances et améliorer la traçabilité de la génération de contenu. RAG est sans aucun doute l’un des domaines de recherche les plus passionnants en matière d’intelligence artificielle. Pour plus de détails sur RAG, veuillez vous référer à l'article de la rubrique de ce site "Quelles sont les nouveautés de RAG, spécialisée dans le rattrapage des défauts des grands modèles ?" Cette revue l'explique clairement. Mais RAG n'est pas parfait et les utilisateurs rencontrent souvent des « problèmes » lorsqu'ils l'utilisent. Récemment, la solution avancée d'IA générative de NVIDIA

Lorsque Sora n'est pas parvenu à se manifester, les adversaires d'OpenAI ont utilisé leurs armes pour détruire les rues. Si Sora n'est pas ouvert à l'utilisation, il sera vraiment volé ! Aujourd'hui, la startup de San Francisco, LumaAI, a joué un atout et a lancé une nouvelle génération de modèle de génération vidéo IA DreamMachine. Gratuit et accessible à tous. Selon les rapports, le modèle peut générer des vidéos réalistes de haute qualité basées sur de simples descriptions textuelles, avec des effets comparables à ceux de Sora. Dès l’annonce de la nouvelle, un grand nombre d’utilisateurs se sont rassemblés sur le site officiel pour l’essayer. Bien que les responsables affirment que le modèle peut générer une vidéo de 120 images en seulement deux minutes, de nombreux utilisateurs attendent depuis des heures sur le site officiel en raison d'une augmentation des visites. BarkleyDai, responsable de la croissance des produits chez Luma, a dû commenter Discord

Le 24 juillet, Keling AI, grand modèle de génération vidéo Kuaishou, a annoncé que le modèle de base avait de nouveau été mis à niveau et était entièrement ouvert aux tests internes. Kuaishou a déclaré que afin de permettre à davantage d'utilisateurs d'utiliser Keling AI et de mieux répondre aux différents niveaux d'utilisation des créateurs, il lancera désormais également officiellement un système d'adhésion pour différentes catégories de créateurs, sur la base de tests internes entièrement ouverts. membres. Fournir des services fonctionnels exclusifs correspondants. Dans le même temps, le modèle de base de Keling AI a également été à nouveau mis à niveau pour améliorer encore l'expérience utilisateur. L'effet de modèle de base a été mis à niveau pour améliorer encore l'expérience utilisateur. Depuis sa sortie il y a plus d'un mois, Keling AI a été mis à niveau et itéré à plusieurs reprises. Avec le lancement de ce système d'adhésion, l'effet de modèle de base de Keling AI a été amélioré. à nouveau subi une transformation. La première est que la qualité de l'image a été considérablement améliorée et les effets visuels générés grâce au modèle de base amélioré.

La courbe d'apprentissage d'un framework PHP dépend de la maîtrise du langage, de la complexité du framework, de la qualité de la documentation et du support de la communauté. La courbe d'apprentissage des frameworks PHP est plus élevée par rapport aux frameworks Python et inférieure par rapport aux frameworks Ruby. Par rapport aux frameworks Java, les frameworks PHP ont une courbe d'apprentissage modérée mais un temps de démarrage plus court.
