理解ASP.NET Core的MVC模式
liuian 2024-12-02 22:23 23 浏览
在前面的文章中,我们已经讨论过了ASP.NET Core中的中间件以及路由等功能,在本文中,我们来讨论ASP.NET Core的MVC模式。
一、理解MVC模式
MVC全名是Model View Controller,是模型(Model)-视图(View)-控制器(Controller)的缩写,它是Web应用程序中一种常用的架构模式。
MVC模式最主要的特点是关注点分离,它将应用程序分离为三个独立的部分。ASP.NET Core MVC是构建在ASP.NET Core之上的MVC框架。
要在应用程序中使用MVC,首先需要添加MVC中间件:
public void ConfigureServices(IServiceCollection services){ services.AddMvc();}public void Configure(IApplicationBuilder app, IHostingEnvironment env){ app.UseMvc();}
在ASP.NET Core MVC框架中,除了Controller、Action外,它还包括路由、模型绑定、模型验证、过滤器等功能。在上一篇文章:理解ASP.NET Core中的路由 中,我们已经讨论了ASP.NET Core中的路由,通过路由能够将请求正确地映射到相应的Controller与Action。
二、Controller与Action
Controller是一个类,它具体如下特点:
1、它继承自Controller类,或ControllerBase类;
2、它的命名以Controller结尾,如HomeController;
3、一个Controller中可以包含一个或多个Action;
Action则是定义在Controller中的public类型的方法,根据实际情况,它可以包含参数,这些参数通常会从HTTP请求对象中获取;Action方法的返回值可以是void也可以是IActionResult类型或ActionResult<T>类型的对象。
以下一个典型的Controller:
public class BlogsController : Controller{ public IActionResult Index() { } public IActionResult GetTopN(int n) { }}
三、Action方法的返回值
对于Action方法,它的返回值IActionResult或ActionResult<T>用于表示当前Action的执行结果。
注意:IActionResult或ActionResult<T>并非最终要返回给请求方的响应结果,这个结果还会由MVC进一步处理,处理之后,才会返回给请求方。
常见的返回结果包括状态码、重定向、内容等,如OkResult、BadRequestResult、RedirectResult、ViewResult、PartialViewResult、ContentResult等,这些类均实现了IActionResult接口。
在ControllerBase类中定义了一些比较方便返回上述结果的方法,比如要想返回一个OkResult对象,只要在当前Controller中调用基类的Ok()方法即可,类似的方法还有BadRequest()、NotFound()、View()等。
[HttpGet("{id}")]public ActionResult<Employee> Get(long id){ if(id <= 0) { return BadRequest(); } var employee = GetEmployee(id); if(employee == null) { return NotFound(); } return employee;}
上例中的Action返回值为ActionResult<T>类型,相比IActionResult,它的优点是它既可以返回一个IActionResult类型的对象,如BadRequest()方法将会返回一个BadRequestResult对象,同时,它还可以返回一个T类型的对象,如employee对象。
注意:ControllerBase类中除了包含用于快捷返回相关IActionResult的一系列方法外,它还包含当前的HTTP上下文对象、ModelState以及路由数据等内容。
四、ASP.NET Core MVC的执行过程
前面提到ASP.NET Core MVC不仅包含Controller与Action等内容,还包含模型绑定、模型验证、过滤器等功能,它们在MVC的执行过程中都具有重要作用。
模型绑定的作用是将HTTP请求中的数据绑定到Action方法的参数上;模型验证是对绑定成功后的数据进行验证的过程,只有通过了验证后,才会继续执行Action方法的内容。过滤器正如其名称的含义一样,它们能够添加在应用程序的某些功能中,起到过滤的作用,在这些功能执行的前后位置处将会调用所添加的过滤器。
因此,整体来看,ASP.NET Core MVC的执行过程如下:
总结
本文讨论了ASP.NET Core中的MVC模式、Controller与Action的特点以及MVC的执行过程。
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)