Thymeleaf教程:表达式基本对象详解
概述
在Thymeleaf模板引擎中,表达式基本对象是开发过程中经常使用的重要工具。这些对象提供了访问各种上下文信息的便捷方式,包括请求参数、会话属性、应用上下文等。本文将详细介绍Thymeleaf中可用的基本对象及其使用方法。
上下文对象
#ctx对象
#ctx是Thymeleaf中最核心的上下文对象,它代表了当前模板执行的上下文环境。根据应用类型不同,它可能是IContext或IWebContext的实现:
${#ctx.locale} // 获取当前Locale
${#ctx.variableNames} // 获取所有变量名
在Web环境中,还可以访问更多属性:
${#ctx.request} // 获取HttpServletRequest对象
${#ctx.response} // 获取HttpServletResponse对象
${#ctx.session} // 获取HttpSession对象
${#ctx.servletContext} // 获取ServletContext对象
注意:虽然#vars和#root是#ctx的同义词,但官方推荐使用#ctx以获得更好的代码可读性。
#locale对象
#locale提供了对当前请求Locale的直接访问:
${#locale} // 获取当前Locale对象
Web上下文命名空间
Thymeleaf为Web环境提供了一系列特殊的命名空间,用于简化常见Web对象的访问。
param命名空间
param命名空间用于访问请求参数,返回的是String数组:
${param.foo} // 获取名为foo的请求参数数组
${param.foo[0]} // 获取第一个foo参数值
${param.size()} // 获取参数数量
${param.isEmpty()} // 判断参数是否为空
${param.containsKey('foo')} // 检查是否存在foo参数
session命名空间
session命名空间用于访问会话属性:
${session.foo} // 获取名为foo的会话属性
${session.size()} // 获取会话属性数量
${session.isEmpty()} // 判断会话是否为空
${session.containsKey('foo')} // 检查是否存在foo属性
application命名空间
application命名空间用于访问ServletContext属性:
${application.foo} // 获取名为foo的应用属性
${application.size()} // 获取应用属性数量
${application.isEmpty()} // 判断应用属性是否为空
${application.containsKey('foo')} // 检查是否存在foo属性
请求属性访问
请求属性可以直接访问,无需使用特定命名空间:
${myRequestAttribute} // 直接访问请求属性
Web上下文对象
除了命名空间外,Thymeleaf还提供了直接访问底层Web对象的途径。
#request对象
#request提供了对HttpServletRequest的直接访问:
${#request.getAttribute('foo')} // 获取请求属性
${#request.getParameter('foo')} // 获取请求参数
${#request.getContextPath()} // 获取上下文路径
${#request.getRequestName()} // 获取请求名称
#session对象
#session提供了对HttpSession的直接访问:
${#session.getAttribute('foo')} // 获取会话属性
${#session.id} // 获取会话ID
${#session.lastAccessedTime} // 获取最后访问时间
#servletContext对象
#servletContext提供了对ServletContext的直接访问:
${#servletContext.getAttribute('foo')} // 获取应用属性
${#servletContext.contextPath} // 获取应用上下文路径
最佳实践
-
优先使用命名空间:对于简单的属性访问,使用
param、session和application命名空间比直接访问底层对象更简洁。 -
复杂操作使用直接对象:当需要进行复杂操作时,再使用
#request、#session等直接对象访问方法。 -
注意作用域:明确区分请求参数、请求属性、会话属性和应用属性的不同作用域。
-
类型安全:访问对象属性时要注意类型转换,必要时使用Thymeleaf的类型转换工具。
通过熟练掌握这些表达式基本对象,可以大大提高Thymeleaf模板开发的效率和灵活性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00