前端开发第三方分享/登录功能备忘(facebook、weibo、QQ、weixin微信好友或者朋友圈)

公布一批脸书爬虫(facebook)IP地址,真实采集数据 1、对网站没什么危害,但抓取网站频繁,对资源消耗较大,如果不做境外业务,可能通过防火墙阻止。2、数据采集时间段:2023年10月-2024年7月;1、这批脸书爬虫(facebook)IP来源于尚贤达。二、脸书爬虫(facebook)主要有4个用户代理。3、判断标准:主要根据用户代理是否包含“用户代理(UserAgebt) 阅读详情

##前端开发第三方分享【/三方登录】功能备忘(facebook脸书、Whatsapp、weibo、QQ、weixin好友或者朋友圈)

平台支持域名备案切换域名调整平台名称注意事项🇭🇰境外文档地址
微信手机端H52个不需要支持2个域名,不用调整微信公众平台手机端和pc端注意用户二合一,通过unionId; 微信分享和登录都支持支持微信公众平台—>微信网页开发; 🔍网页授权、分享关键字
PC端微信登录仅仅只能配置一个域名,必须修改1个不需要支持一个微信开放平台网页应用,切换环境必须修改配置,否则报错:redirect_uri参数错误,配置地址:应用详情->授权回调域;支持香港注册公司;pc扫描登录支持、pc分享其实是扫二维码,直接打开二维码。支持微信开放品台-网站应用微信登录
QQ多个必须,除非发邮件说明是国际域名证书 、公司营业执照支持多个回调地址,必须配置到具体的页面配置好,不用修改常见问题,账号没有开通。或者 需要备案比较麻烦,需要配置回调地址,否则:redirect uri is illegal(100010) QQ互联加强网站应用回调地址校验-QQ互联-OpenAPI调用说明_OAuth2.0
sina3个+不需要不用,支持多个回到地址新浪开发平台支持相关个人公司微博开放平台-授权机制
facebookn个不需要不用注册账号都可以facebook官网开发者不用注册公司,当然需要扶梯一把支持分享调试器、facebook爬虫策略
WhatsAppn个不需要不用注册账号都可以不用注册公司,当然需要扶梯一把支持HTML5网页点击分享到WHATSAPP

前端分享有很多,常见有(facebook、weibo、QQ、weixin)

另外,在手机浏览器里面,facebook、weibo是直接打开他们的网站的。微信朋友圈、微信好友、QQ好友都是粘贴复制的。

网站分享到facebook

一、 facebook分享

1.1. facebook分享

facebook全球最大的社交网络平台,当然大陆的话是访问不了的,需要自己的解决。当经常有项目或者香港、澳门的项目或者稍微有点国际化的项目也需要使用facebook.

  • facebook分享其实特别简单,第一不用注册开发者账号也可以正常使用。【一般就弹框打开一个链接,就可以分享了,pc和手机端是一样的】
  • facebook风向出来的图片、文字、描述,需要在页面顶部meta标签里面说明。当然动态网站就需要自己想办法,比如vue、react写的页面,要么页面进行静态化、要么就后台走一个代理(判断是facebook排虫访问,就动态返回一个页面)。
#这里是java代码,就网页进行代理一次;  
# 1:用户分享链接到facebook。
# 2:facebook 爬虫 访问我们系统,
# 3:当我们系统的代理nginx发现是是facebook爬虫访问话,我们重定向到 这个代理方法。
# 4:后台java 动态访问一个网页
/**
     * 给动态facebook爬虫做代理
     * 给动态网页做代理,比如网页分享到facebook的话,需要从【源码】读取 title、img,但是这些都是读取的源码 动态网页 vue、react 因此无法更改源码,动态更新的没用;
     * 这里后台进行一次代理;这里配合 nginx 进行配置
     * <p>
     * # 如果user_agent是从facebook爬虫过来的; 我们 就 进入代理接口
     * if ($http_user_agent ~* "facebookexternalhit") {
     * ###### proxy  ^/(.*)$  http://127.0.0.1:7777/ redirect;irect;   #这种不能加$uri后缀了,很麻烦,需要同时有两个tomcat
     * rewrite  ^/(.*)$  https://test189.ourslook.com/qcure/proxy?$uri redirect;  #直接302过去 后面不用 增加【?$args】; 会自动增加args的
     * rewrite  ^/(.*)$  $scheme://$host/qcure/proxy?$uri redirect;  #直接302过去; 原始访问地址是:  https://$host/qcurepc/xxx
     * }
     * <p>
     * 网页分享到facebook, 异常简单,甚至 连 appid都不需要的; 网页分享到FACEBOOK  https://www.cnblogs.com/phperlinxinlan/p/10529012.html
     * <p>
     * facebook 爬虫设置nginx设置 https://blog.csdn.net/moliyiran/article/details/54846799
     * https://www.cnblogs.com/phperlinxinlan/p/10529012.html
     * facebook web分享:  源站见评论  https://developers.facebook.com/docs/sharing/reference/feed-dialog
     * facebook 分享的爬虫策略 源站见评论 https://developers.facebook.com/docs/sharing/webmasters/crawler?locale=zh_CN
     * <p>
     * 分享调试器:分享调试器:https://developers.facebook.com/tools/debug/sharing/
     *
     * @return 网页
     */
    @ApiIgnore
    @IgnoreAuthToken
    @ResponseBody
    @RequestMapping(value = "/proxy", produces = "text/html;charset=UTF-8", method = RequestMethod.GET)
    public String proxy(
            @ApiParam("网页的title,字段名:title,选填,默认是项目名称,方便调试") @RequestParam(value = "title", defaultValue = "QCURE", required = false) String title,
            @ApiParam("网页的image,字段名:image,选填,默认这里放一个空图片,方便调试") @RequestParam(value = "image", defaultValue = "https://static.xx.fbcdn.net/rsrc.php/v3/y6/r/hlFyGnljr-d.png", required = false) String image,
            HttpServletRequest request) {
        try {
            //这里对图片进行解码,防止图片是被多次encode之后的,encode之后的路径,可能访问不了
            //这里就先两次解码把,应该不会有问题;如果出问题,后台就不帮前台处理了
            image = EncodeUtils.urlDecode(image);
            image = EncodeUtils.urlDecode(image);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

        String emptyHtml = "<!DOCTYPE html>\n" +
                "<html>\n" +
                "<head>\n" +
                "\t<title>@@tilte</title>\n" +
                "\t<title>@@image</title>\n" +
                "\t<meta property=\"og:title\" content=\"@@tilte\" />\n" +
                "\t<meta property=\"og:image\" content=\"@@image\" />\n" +
                "</head>\n" +
                "<body>\n" +
                "\t我是后台转发的内容\n" +
                "</body>\n" +
                "</html>";
        if (XaUtils.isValid(title)) {
            emptyHtml = emptyHtml.replace("@@tilte", title);
        }
        if (XaUtils.isValid(image)) {
            emptyHtml = emptyHtml.replace("@@image", image);
        }
        return emptyHtml;
    }

参考:
网页分享到FACEBOOK【前端看这个文档就够了】
FACEBOOK分享调试器
facebook 分享的爬虫策略 源站见评论

二、 Whatsapp分享

网页不做处理,直接分享到Whatsapp是不显示标题、图片,体验不好;
因此,分享的时候我们需要对网页做处理。

参考:HTML5网页点击分享到WHATSAPP

由于我们做的网站是vue做的动态网站,并且没有做网页静态化,爬取到网页,这数据都是空的;因此需要我们后台做一个代理
<meta name="whatsapp:url" class="share_url" content="http://www.abc.com">
<meta name="whatsapp:title" class="share_title" content="测试分享到whatsapp">

  /**
     * 参考:HTML5网页点击分享到WHATSAPP https://www.cnblogs.com/phperlinxinlan/p/10305376.html
     * 核心:
     * <meta name="whatsapp:url" class="share_url" content="http://www.abc.com">
     *     <meta name="whatsapp:title" class="share_title" content="测试分享到whatsapp">
     *
     * agent:WhatsApp
     *
     * # 如果user_agent是从facebook爬虫过来的; 我们 就 进入代理接口
     * if ($http_user_agent ~* "WhatsApp") {
     * #proxy  ^/(.*)$  http://127.0.0.1:7777/ redirect;irect;   #这种不能加$uri后缀了,很麻烦,需要同时有两个tomcat
     * rewrite  ^/(.*)$  $scheme://$host/qcure/proxy/WhatsApp?$uri redirect;  #直接302过去; 原始访问地址是:  https://$host/qcurepc/xxx
     * }
     *
     *
     * 116.48.97.249 - - [18/Jan/2021:10:53:17 +0800] "GET /qcurepc/level2/283 HTTP/1.1" 200 1325 "-" "WhatsApp/2.20.206.24 A"
     *
     * 12.15.176.108 - - [18/Jan/2021:10:58:07 +0800] "GET /qcure/upload/product/20201119112124868_qan3l.jpg HTTP/1.1" 302 138 "https://www.qcure.com/qcureweb/" "Mozilla/5.0 (Linux; Android 10; LIO-AN00 Build/HUAWEILIO-AN00; wv) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/78.0.3904.62 XWEB/2693 MMWEBSDK/201201 Mobile Safari/537.36 MMWEBID/2818 MicroMessenger/7.0.22.1820(0x270016A2) Process/toolsmp WeChat/arm64 Weixin NetType/WIFI Language/zh_CN ABI/arm64"
     *
     * @param title
     * @param url
     * @param request
     * @return
     */
    @ApiIgnore
    @IgnoreAuthToken
    @ResponseBody
    @RequestMapping(value = "/proxy/WhatsApp", produces = "text/html;charset=UTF-8", method = RequestMethod.GET)
    public String proxyWhatsApp(
            @ApiParam("网页的title,字段名:title,选填,默认是项目名称,方便调试") @RequestParam(value = "title", defaultValue = "QCURE", required = false) String title,
            @ApiParam("分享图片") @RequestParam(value = "image", defaultValue = "https://static.xx.fbcdn.net/rsrc.php/v3/y6/r/hlFyGnljr-d.png", required = false) String url,
            HttpServletRequest request) {

        try {
            title = EncodeUtils.urlDecode(title);
            title = EncodeUtils.urlDecode(title);
            url = EncodeUtils.urlDecode(url);
            url = EncodeUtils.urlDecode(url);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }


        String emptyHtml = "<!DOCTYPE html>\n" +
                "<html>\n" +
                "\n" +
                "<head>\n" +
                "    <title>@@title</title>\n" +
                "    <meta name=\"image\" content=\"@@url\">\n" +
                "</head>\n" +
                "\n" +
                "<body>\n" +
                "    转发内容\n" +
                "</body>\n" +
                "\n" +
                "</html>";
        if (XaUtils.isValid(title)) {
            emptyHtml = emptyHtml.replace("@@title", title);
        }
        if (XaUtils.isValid(url)) {
            emptyHtml = emptyHtml.replace("@@url", url);
        }
        sysLogService.saveLogManual("sys:系统管理员", "WhatsApp 爬虫 proxy", emptyHtml, null);

        return emptyHtml;
    }

分享成功,如图:
Whatsapp分享示例

三、微博weibo

3.1. 微博必须要有注册好的微博账号

  1. 微博授权及获取信息文档: https://open.weibo.com/wiki/%E6%8E%88%E6%9D%83%E6%9C%BA%E5%88%B6
  2. 新浪授权1:OAuth2/authorize 请求用户授权Token 【会获取到一个code】
  3. 新浪授权2:OAuth2/access_token 获取授权过的Access 【会获取到accesstoken和uid】
  4. 新浪授权3:通过openId、accessToken获取微博信息【获取微博用户信息】
  5. 账号问题,测试环境和正式环境使用的是一套账号,一个账号可以添加超过3个域名。
// 微博授权第二步,根据第一步的code换取access-token和uid
    /**
     * @param redirectUri 授权完成之后,重定向的页面;注意,这里的传参,好像只能返回一个参数
     * @param code 微博第一步获取到的code
     * @return
     */
    @IgnoreAuthToken
    @RequestMapping(value = "sina/access_token", method = {RequestMethod.POST, RequestMethod.GET})
    @ApiOperation(value = "微博授权第二步,根据第一步的code换取access-token和uid ", notes = "这里是,新浪授权2:OAuth2/access_token 获取授权过的Access 【会获取到accesstoken和uid】", position = 2)
    public XaResult<String> sinaAuth(
            @ApiParam("回调地址,字段名:redirectUri") @RequestParam(value = "redirectUri") String redirectUri,
            @ApiParam("code,字段名:code") @RequestParam(value = "code") String code
    ) {
        HttpClientSimpleUtil httpClient = HttpClientSimpleUtil.getInstance();
        Map<String, String> params = new HashMap<>();
        params.put("client_id", SINA_APP_KEY);
        params.put("client_secret", SINA_APP_SECRET);
        params.put("redirect_uri", redirectUri);
        params.put("grant_type", "authorization_code");
        params.put("code", code);
        String url = "https://api.weibo.com/oauth2/access_token";
        String response = httpClient.doPostRequest(url, params);
        return new XaResult<String>().setObject(response);
    }
//授权最后一步,根据 获取第三方的openId和accestoken获取第三方的用户信息
/**
     * 第三方登录
     *
     * @see Constant.ThreeAccontType 所有第三方登录类型
     * @see ApiWeappUserController#loginByWxJSCode(String, Integer, Boolean, HttpServletRequest)  微信的注册见
     *
     * @return
     */
    @IgnoreAuthToken
    @RequestMapping(value = "threeLogin", method = {RequestMethod.GET})
    @ApiOperation(value = "第三方授权登录接口,根据openId与accessToken登录", notes = "第三方登录注册用户&生成token", position = 2)
    public XaResult<TbUserVo> threeLogin(
            @ApiParam(value = "access_token,字段名:accessToken") @RequestParam(value = "accessToken") String accessToken,
            @ApiParam(value = "openId,字段名:微信/微博/qq 唯一的ID openId", defaultValue = "openId") @RequestParam(value = "openId") String openId,
            @ApiParam(value = "type,字段名:类型,取值是sinaWeibo、qq, 具体查看常量:Constant.ThreeAccontType , 见接口: /mall/constants/ ", defaultValue = "取值是sinaWeibo") @RequestParam(value = "type") String type
    ) {
        XaResult<TbUserVo> xr = new XaResult<>();

        if (!XaUtils.isValid(accessToken)) {
            return xr.error("accessToken不能为空!accessToken = " + accessToken);
        }
        if (!XaUtils.isValid(openId)) {
            return xr.error("openId不能为空!openId = " + openId);
        }
        if (!Constant.ThreeAccontType.isConstantVal(type)) {
            return xr.error("threeLogin方法请输入有效的type, type = " + type +"!");
        }

        TbUserEntity user = null;
        TbUserVo userVo = new TbUserVo();
        if (Constant.ThreeAccontType.QQ.equalsIgnoreCase(type)) {
            //qq
            user = userService.queryByqqAcc(openId);
            if (XaUtils.isEmpty(user)) {
                //不存在则获取信息进行存储
                user = getQqInfo(accessToken, openId);
                userService.save(user);
            }
        } else if (Constant.ThreeAccontType.SINA_WEIBO.equalsIgnoreCase(type)) {
            //微博
            user = userService.queryByWeiboAcc(openId);
            if (XaUtils.isEmpty(user)) {
                //不存在则获取用户信息并进行存储
                user = getWeiboInfo(accessToken, openId);
                userService.save(user);
            }
        } else {
            return xr.error("不支持的type, type = " + type);
        }

        if (XaUtils.isNotEmpty(user)) {
            Map<String, Object> tokenMap = tokenService.createToken(user.getUserId(), false);
            beanMapper.copy(user, userVo);
            userVo.setToken(tokenMap.get("token") + "");
        }

        return xr.setObject(userVo);
    }

    /**
     * QQ登录根据access_token与openId获取qq用户信息
     *
     * @param accessToken
     * @param openId
     * @return
     */
    private TbUserEntity getQqInfo(String accessToken, String openId) {
        TbUserEntity user = new TbUserVo();
        String url = "https://graph.qq.com/user/get_user_info?oauth_consumer_key="
                + QQ_APP_ID + "&access_token="
                + accessToken + "&openid=" + openId + "&format=json";
        HttpClientSimpleUtil httpClient = HttpClientSimpleUtil.getInstance();
        String response = httpClient.doGetRequest(url);
        JSONObject jsonObject = JSON.parseObject(response.replaceAll("\n", ""));
        user.setName(jsonObject.getString("nickname"));
        user.setHeadPortraitImg(jsonObject.getString("figureurl_qq_2"));
        user.setStatus(Constant.Status.valid);
        user.setCreateTime(LocalDateTime.now());
        user.setQqAcc(openId);
        user.setUserTypes(Constant.UserTypes.USER_NORMAL_1);
        return user;
    }

    /**
     * 通过openId、accessToken获取微博信息
     * @param accessToken
     * @param openId
     * @return
     */
    private TbUserEntity getWeiboInfo(String accessToken, String openId){
        TbUserEntity user = new TbUserEntity();
        String url = "https://api.weibo.com/2/users/show.json?access_token=" + accessToken + "&uid=" + openId;
        HttpClientSimpleUtil httpClient = HttpClientSimpleUtil.getInstance();
        String response = httpClient.doGetRequest(url);
        JSONObject jsonObject = JSON.parseObject(response.replaceAll("\n", ""));

        user.setName(jsonObject.getString("screen_name"));
        user.setHeadPortraitImg(jsonObject.getString("profile_image_url"));
        user.setStatus(Constant.Status.valid);
        user.setCreateTime(LocalDateTime.now());
        user.setSinaAcc(openId);
        user.setUserTypes(Constant.UserTypes.USER_NORMAL_1);
        return user;
    }

微博开放平台

四. weixin公众平台(手机端)分享

微信中国最大的社交平台, 微信可以同时配置两个地址,即测试环境和正式环境可以使用一个账号。
公众号设置-安全&jssdk安全&授权登录

五. weixin开放平台(PC)登录、分享

微信中国最大的社交平台, 微信可开放平台的授权地址只能配置一个,修改域名,需要重新配置。

六. QQ互联平台

腾讯开发平台是腾讯总体对外所有开发平台的集合,包含应用开放平台就是应用宝相关、**QQ互联平台[开放]**就是QQ登录和分享的能力、微信公众号、微信开发平台等

七. 移动端使用NativeShare.js进行分享

手机端的h5页面分享手机端的分享能力有限,自己开发比较麻烦,这里接入插件NativeShare.js,但插件目前实践中,支持持UC*和QQ**,其他浏览器都不支持,不支持的浏览器,提示用户自己去粘贴;

  1. 目前仅仅支持UC和QQ
  2. 不支持的浏览器,无法弹出自己的弹框,需要自己开发一个页面,点击分享,进行粘贴链接地址;
  3. 在微信里面,如果分享,直接提示 在浏览器中打开,或者 在右上角用微信自带的分享能力。 注意微信自带分享,前端开发也要开发的,不处理的话,可能分享图片、连接全是错误的。
    QQ和UC浏览器可以弹出自己的框框
    其他浏览器自己开发一个页面,自己写开发事件,微博、facebook直接分享到web自己开发,其他QQ等就粘贴
    不支持的浏览器-粘贴到粘贴板

八. 国际域名证书

GoDaddy注册的域名,在大陆不好备案,国内需要国际域名证书。
類似,打過去等了很久才有人接,然後她叫我在godaddy公眾號裡面下載證書就可以了…[偷笑]。godaddy有微信公眾號,太方便了

别把Facebook爬虫当攻击!一份给SEO和站长的友好爬虫管理指南 本文详细解析了Facebook等社交媒体爬虫的工作原理及其对SEO的重要性,提供了从缓存配置到OG标签优化的实用管理策略。通过智能限流和精准缓存设置,帮助站长平衡服务器负载与社交分享效果,最大化流量收益。 阅读详情

相关推荐

Facebook爬虫四重校验:IP段、rDNS、TLS证书与X-FB-Debug精准识别

Facebook External Hit是Facebook平台 crawler 的官方回源机制,用于抓取网页Open Graph元数据以生成分享卡片。其身份认证不依赖User-Agent字符串,而是一套基于网络层与加密层的可信验证体系:需同时满足IP段归属、反向DNS(rDNS)解析、TLS证书链有效性及HTTP头部签名(X-FB-Debug)四重条件。这种设计有效抵御UA伪造、IP扫描和中间人攻击,保障流量真实性与安全性。在CDN接入、WAF策略、日志审计与缓存优化等工程场景中,仅校验单一维度极易导致误

weixin_29800319的博客 642

详细前后端分离实现facebook第三方登录的全过程(国内一般都是用Android和ios,并且资料稀少)

前后端分离实现facebook第三方登陆

weixin_44750790的博客 1万+

实战解析:如何精准识别并管理Facebook官方爬虫流量

本文实战解析了如何精准识别并管理Facebook官方爬虫流量。通过分析用户代理和IP地址特征,结合Nginx/Apache服务器配置及Cloudflare防火墙策略,实现智能限流与缓存优化,在保障社交分享体验的同时,有效降低服务器资源消耗。

opencv7vision的博客 276

vue前端项目分享facebook、twitter、linkedin

Facebook、Twitter、Linkedin 分享

余_小凡 的博客 1761

WhatsApp 分享工具包

WhatsApp 分享工具包 1,分享文字 2,分享图片 3,分享文字+图片 4,分享文字+图片+app文件 import android.app.Activity; import android.content.Context; import android.content.Intent; import android.net.Uri; import android.os.Build; import android.text.TextUtils; import android.widget.Toast;

u013772237的博客 1971

Oracle EBS财务模块(三)总账功能

(一)总账管理系统主要功能  总账管理系统(Oraclegeneralledger)是一个公司一切账务系统的核心,它好比是公司会计信息的中央处理器。总账管理系统提供了一个完整的财务管理核算及分析流程。它是所有子账户的信息存储器,因此反映了所有子账户的财务和现金活动。总账管理系统的主要作用是记录公司的财务活动,并生成财务报表和管理报表,以帮助公司内外人士进行决策。一个公司或组织的制造系统、项目管理系

苏南生的CSDN博客 2万+

32 | 和搜索引擎的对话:SEO的原理和基础

今天我们学习了一些互联网搜索引擎的工作机制,并结合例子从工程的角度了解了几个常见的 SEO 相关技术。今天我们就不放具体的思考题了,但 SEO 本身是一个可以挖掘很深的领域,我在扩展阅读中放置了一些资料,供你延伸。好,到今天为止,“寻找最佳实践”这一章就接近尾声了,你是否有所收获、有所体会,欢迎你在留言区分享。

qq_37756660的博客 1667

保姆级教程:在Ubuntu 22.04上用Conda搞定nuPlan数据集环境(Python 3.9 + PyTorch)

本文提供了一份详细的Ubuntu 22.04环境下使用Conda配置nuPlan自动驾驶数据集的保姆级教程,涵盖Python 3.9安装、Conda环境管理、PyTorch配置及数据集可视化验证等关键步骤,帮助开发者高效搭建开发环境。

weixin_29061997的博客 258

判断是否facebook APP内部访问PHP函数

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦: Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

知识改变命运 928

新手入门:从零开始学习PCB飞针测试全流程(附常见问题解答)

本文详细介绍了PCB飞针测试的全流程,从核心原理、设备解析到实操步骤和常见问题解答,帮助新手快速掌握这一电子制造领域的关键质检技术。内容涵盖测试资料准备、参数设置、设备操作技巧以及故障排查方法,特别适合小批量PCB生产的质量检测需求。

weixin_29295541的博客 395

(超详细)Qt入门和配置Visual Studio的Qt环境

内容写了Qt入门,创建并编写第一个Qt程序,以及配置VS编写Qt程序的环境。(超级详细)

LY549826LY549264的博客 7682

PHP判断是否支付宝、微信、手机、PC浏览器方法

是一个包含了用户代理信息的 HTTP 请求头部字段。它通常用于识别发起请求的客户端(浏览器、爬虫、API 客户端等)以及客户端的一些特性和能力。PHP判断当前了浏览器是否是支付宝、微信、手机、PC浏览器可以通过。2、PHP判断微信支付宝或其它浏览器。1、PHP判断是否手机浏览器。

php-yyds 1514

射频工程师必须了解的S参数四项要点

本文围绕单端 6 英寸走线的 S 参数展开深入分析,核心包含四项关键要点:低频下导线电学长度远小于信号波长,S11 呈大负分贝值、S21 接近 0 分贝;端口与走线的阻抗不匹配引发反射叠加,形成 S11 首个峰值(对应传输线四分之一波长频率);S21 相位可作为一致性检查依据,其 90° 相位差与 S11 峰值吻合;理想建模中 S11 峰值随频率上升因损耗下降,实际测量因连接器等阻抗不连续性,S11 会出现振荡上升。分析依托 Keysight ADS 工具与电磁求解器原理,为 S 参数解读提供科学支撑。

一只豌豆象的博客 1287

H5内嵌APP分享一个H5页面,其他都没问题;ios分享到WhatsApp时 ,&后面的参数丢失

H5内嵌APP分享一个H5页面,其他都没问题;ios分享到WhatsApp时 ,&后面的参数丢失

2301_76806643的博客 654

simulink构建一个基于 BP(反向传播)神经网络 的自适应 PID 控制系统

本文介绍了基于BP神经网络的自适应PID控制系统设计方法。系统通过神经网络实时调整PID参数,实现智能控制。主要内容包括:1)系统架构设计,采用误差反馈和在线学习机制;2)详细建模步骤,从被控对象定义到神经网络结构设计;3)S-Function实现核心算法,包含前向传播、PID计算和反向传播;4)仿真结果分析,显示神经网络PID在响应速度、超调控制和鲁棒性方面的优势;5)进阶建议和常见问题解决方案。该方法突破了传统PID的局限性,实现了具有自我学习能力的智能控制。

xiaoheshang_123的博客 54

Python爬虫 汽车之家 车型销量--参数分析与实现

【代码】Python爬虫 汽车之家 车型销量--参数分析与实现。

2201_76125393的博客 850

H5实现第三方分享功能,(WhatsApp,Facebook,Messenger,Instagram,Telegram,Zalo,Twitter/X)

【代码】H5实现第三方分享功能,(WhatsApp,Facebook,Messenger,Instagram,Telegram,Zalo,Twitter/X)

@必意玲 5148

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

如何实现前端社交媒体分享功能

你还可以通过监听按钮点击事件,自定义分享逻辑,比如收集用户输入的分享信息(如自定义分享文本),再通过JavaScript构造分享URL。${});});

一个做过前端开发的产品经理,经历过睿智产品的折磨导致脱发之后,励志要翻身"农奴"把歌唱,一边打入敌人内部一边持续提升自己,为我们广大开发同胞谋福祉,坚决抵制睿智产品折磨我们码农兄弟! 1929

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

微浏览器无处不在

何为微浏览器?微浏览器同样可以访问网站链接、解析HTML并产生用户体验的另一种类型的user-agent(用户代理)。但它与传统浏览器有所不同,主要在于:它的HTML解析能力有限,而且渲染引擎非常集中。它想打造的用户体验并不是交互式的,而是具象式的,即为了告知用户URL的另一端到底有什么内容。在日常中,微浏览器无处不在。 作者 |Colin Bendell 译者 |苏本如,责编 |...

CSDN资讯 4341

前端单页面应用实现服务端渲染

在此就不过多介绍什么是单页面应用 什么是服务端渲染 服务端渲染的作用了 服务端渲染方式 后端模板渲染 如: ejs jinjia等 借助第三方框架 nuxt next vue相关的 Nuxt react 相关的 Next rendertron(主要介绍) 后端模板渲染 算是传统解决方案, 由服务端渲染成html返回给浏览器 第三方框架 nuxt next 有学习成本, 需要熟悉对应框架api 服务端要node环境编译 当访问量大的时候页面加载会变慢 Rendertro..

izhaong 967

H5端 调起WhatsApp选择联系人以及给固定联系人进行内容分享

封装了一个工具类,如果传入参数phone,则发给指定联系人,不传入phone,则到WhatsApp应用中选择联系人进行分享 util.js /** * 调起第三方 whatsApp 应用进行内容分享 * 如果传入参数phone,则发给指定人,如果不传入参数,则可以选择联系人进行分享 * @param {Object} phone */ export function share(phone) { const curHref = window.location.href; // content是自

Superman_peng的博客 4332

在Node.js单页应用程序中添加社交共享

单页应用程序(SPA)由客户端呈现模板提供支持,从而为最终用户带来非常动态的体验。 最近, Google宣布他们 以正常用户的身份对 网页进行爬网并执行JavaScript ,从而使由SPA框架(仅举几个例子,Angular,Ember和Vue)驱动的网站受到了Google的惩罚 。 除搜索之外,其他Web爬网程序对您网站的可见性也很重要-即依赖元标记的丰富的社交共享机器人仍然对JavaS...

代码教主 298

爬虫识别,从此天下再无真假李逵!

本文主要介绍了使用GoAccess监控Nginx日志,帮助分析平时可能很少关注的点.尤其是众多爬虫和ip,需要额外关注,根据爬虫的分类可以包括搜索引擎类别的小蜘蛛,也有专门用于营销的网络爬虫,更有甚者还有漏洞检测的爬虫.如果这些爬虫是正规军,遵守robots.txt协议,那还好说,否则就需要自定义额外的处理逻辑来拉黑这些请求.

雪之梦技术驿站 1535

社交分享(facebook分享、twitter分享、link分享、google分享)

facebook分享 &lt;a href="javascript:window.open('http://www.facebook.com/sharer.php?u='+encodeURIComponent(document.location.href)+'&amp;t='+encodeURIComponent(document.title),'_blank','toolbar=yes, l...

前端小白成长记 1万+
上一篇: JAVA项目高并发问题解决思维导图
下一篇: JMeter压测日常使用脚本
Dazer007
博客等级 码龄15年 167粉丝 167原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Dazer007

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值